MongoDB or Solr for document ingestion, storage, and faceted search?
我需要在这里为我正在处理的项目做出架构决策。以下是要求：
文件摄取(.doc，.pdf，.csv，也许是视频)
实际的文件存储(我假设在服务器上的磁盘上
一些引用来自DB的文件) - 以及数据库中可搜索和可分辨的某些字段？
全文文档搜索
facetting(基于从文档中收集的字段的选择)
每个文档的摄取可能不同 - 换句话说
可能有200个方面但只有一些适用于每个文件)
我使用rails作为服务器，目前是mySQL。我相信我在这里至少有两个明显的选择：
(我也知道我可以将Solr与MongoDB一起使用，但......不确定)。
老实说，我对Solr和MongoDB都很新，可以在这里使用一些建议，因为我确信我缺少一些优点和缺点。
听起来你可以使用elasticsearch。
它是一个搜索引擎，使用与solr相同的底层lucene库，但您存储在其中的所有内容都是JSON文档。
全文搜索，分面搜索和过滤许多不同的属性都很好。它确实内置了一些聚合(直方图刻面等)，但您应该检查这些符合您的需求。
根据您的弹性和吞吐量需求，构建跨多台计算机的elasticsearch集群也非常容易。
它有几种红宝石绑定，包括轮胎，由Karel Mina？ík维护，他为弹性搜索工作。
我对MongoDB和Solr都有很多经验(虽然没有任何关联)。
根据您的需求，我推荐Solr。
我已经处理了两个带有搜索问题的不同Web应用程序，第一个，我们从事务数据库中嵌入的Oracle Text切换到Solr。永不回头。
尽管可能会让MongoDB做你想要的事情，但我怀疑你会花很多时间让MongoDB以你想要的方式运行，特别是在进行分面时。 Mongo的聚合框架相对较新。
你说你需要为facet运行多个查询。我希望每个不同的值不是一个查询，就像所有类别一样，计算每个类别中的产品数量。在开发数据的第一天，这可能会正常工作，但要等到获得10,000个产品和500个类别以及50个用户同时搜索。然后，您有50个用户同时针对相同数据运行500个查询。你最终需要缓存它。
Solr已经为你做了这一切。它的设计考虑了这些用例，并且无需运行N + 1查询就可以非常好地处理分面。 Solr还提供必要的缓存以避免频繁的磁盘I / O. Solr具有高度可配置性。您可以调整缓存大小，架构，分析器等，而无需重构代码。
例如，我建议使用MongoDB进行搜索，当你的需求非常小并且不太可能发生重大变化时。例如，如果您想要前缀搜索，例如，提前输入，您只需将searchTokens字段添加到每个文档并自行进行分析。
如果搜索用户集，每个用户可能看起来像：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 | { userId: 'x', firstName: 'Brandon', lastName: 'Ramirez', searchTokens: [ 'b', 'br', 'bra', 'bran', 'brand', 'brando', 'brandon', 'r', 'ra', 'ram', 'rami', 'ramir', 'ramire', 'ramirez' ] } |
我在MongoDB中使用了这种技术来避免Solr的复杂性。但这就是我所需要的。它是提前输入的，所以我不需要刻面，也不需要一组动态可过滤的字段，也不需要相关性评分。