倒排索引的最佳NoSQL

Question

我正在做一个小项目，我需要建立一个倒排索引，并应用基于用户查询的相似度算法--基本信息检索。构建和搜索倒排索引的最佳NoSQL产品是什么？

谢谢，J

Answer 1

由于倒排索引主要用于存储单词及其在文档中的位置之间的关系，因此我不确定这是否真的是NoSQL的一个好用例。传统的SQL在这里会运行得更好。例如，尝试如下的数据结构：

Documents (DocumentID primary key, DocumentText text)
Words (WordID primary key, Word text)
Instances (InstanceID primary key, WordID foreign key, DocumentID foreign key, WordIndex integer)

使用这种结构，在将文档插入到Documents表中时，解析出每个单词并将其添加到Words表(如果是新的)，或者检索现有的WordID (如果它已经存在)，然后将相关数据添加到Instances表。

如果您打算使用NoSQL，可以将其与MongoDB一起使用，并将所有文档放入一个集合中，将所有单词放入另一个集合中。在每个Word文档中，包括一个Instances数组，该数组将是一个对象数组，其中包含相关文档的ObjectID和该文档中的word索引。但是，我不确定MongoDB是否针对处理文档中的大型数组进行了优化。像“a”和“the”这样的常用词最终可能会超过4MB的文档限制，这取决于你有多少数据。

Answer 2

请参阅Elasticsearch

• 分布式、可扩展且高度可用的
• 实时搜索和分析功能
• 高级RESTful应用编程接口