Solr 具有反向关系的多对多自连接关系

Question

我有数以百万计的法庭意见要编入索引。在我们的关系数据库中，每个意见平均引用大约 30 个其他意见，使用自连接表示 A 引用 B、B 引用 C 等。在数据库中，可以从任一方向查询这些。所以你可以说：

该意见引用了哪些意见？

或者：

引用了哪些观点？

两者的平均数相同，因为一个与另一个相反。但范围差异很大。在第一种情况下，大多数意见最多有 100 次外向引用其他意见，平均约为 30 次。

在第二种情况下，some opinions have nearly 30,000 inbound citations，因为它们被引用了很多次。 （而且这个数字每天都在增长！）

我需要做的是索引项目，以便它们可以通过以下方式查询：

cited_by:23

（大约 30 个结果，通常最多 100 个左右。）

或者：

cites:23

（0 到大约 30,000 个结果）

我很确定我需要为此使用多值字段。但我的问题是：

1. 我只想从cites 方向索引它。也就是说，我不想从我的数据库中提取 30k 个项目来索引单个项目，并且我不想每次重新引用该项目时都更新它，这种情况每天都会发生很多次。

2. 我希望能够从任一方向查询此内容。事实上，能够查询cited_by 比查询cites 更有用，因为获得最近的引用列表 一个意见是相当不可思议的.

3. 在 Solr 中进行自联接时是否有任何技巧需要了解？我猜它甚至不知道这个概念？

Answer 1

Solr 并不是很适合连接（正如您所提到的），但是还有其他解决此类问题的方法。虽然提取 30k 行来索引单个项目可能很广泛，但您可以在引用到达时使用 Atomic Updates support to add single values to multi-valued fields。话虽如此 - 多值字段中的 30k 值偏大，因此您只需进行测试以查看可能出现的任何性能问题（因为索引的其余部分也会影响）。

另一种策略是拥有一个集合，其中每个“文档”都是一个 [cites, quoted_by, date] 集。然后，您可以自行查询此集合以获取已引用/引用不同意见的任何参考文献，并查询实际参考文献的主要核心。

只要集合存在于同一服务器上，您就可以在核心之间加入 - 如果您只需要其中一个的值（这意味着 Solr 返回的所有值都必须存在于同一个核心中，Solr 不会执行连接，它从连接的两侧获取值）。