我将 Solr 核心转换为具有两个分片的集合，并修改了自定义搜索组件以使其适用于分布式搜索。在测试组件时，我注意到分片索引的结果与非分片索引匹配（具有相同的查询参数），各个文档的分数不同。详细地说，当我将 q=X 发送到分片和非分片索引时，它们都返回文档 A、B、C。但是来自分片核心的文档的分数为 0.1、0.2、0.3，而来自非分片的文档核心可能有 0.2、0.4、0.7。
分数差异的根本原因是什么？我不太熟悉 Lucene 如何准确地对文档进行评分，所以我想知道是否值得担心。
【问题讨论】：
Lucene 和 Solr 使用 Vector Space Model。因此，逆文档频率 (IDF) 是计算相关性的一个因素。
当涉及到分片时，这会产生影响。正如所写in the docs
Solr 不计算通用术语/文档频率。对于大多数大规模实施，Solr 在分片级别计算 TD/IDF 可能并不重要。但是，如果您的集合在服务器之间的分布严重倾斜，您可能会在搜索中发现误导性的相关性结果。一般来说，最好将文档随机分布到您的分片中。
目前没有共享的 IDF。这意味着每个分片（索引）根据它在自己索引中的 IDF 计算分数。简而言之，一个文档的分数受到在同一分片上索引的其他文档的影响。由于每个分片中有不同的文档是合理的，这意味着不同分片中的相同文档的分数会略有不同，因为它周围有其他文档。
我写Currently there is no shared IDF，因为创建分布式 IDF 的工作正在进行中 - 如您所见 in SOLR-1632。
【讨论】：