performance - Elasticsearch - 许多小文档与更少的大文档？

Question

我正在为我公司内部使用的编目系统创建一个图像系统搜索(类似于 Google 的反向图像搜索)。我们已经成功地使用 Elasticsearch 来实现我们的常规搜索功能，所以我计划对我们所有的图像进行哈希处理，为它们创建一个单独的索引，并将其用于搜索。系统中有很多项目，每个项目可能有多个关联的图像，并且应该能够通过反向图像搜索其任何相关图像来找到该项目。

我们想到了 2 种可能的模式:

为每个图像制作一个文档，仅包含图像的哈希值和与其相关的项目 ID。这将产生大约 700 万份文档，但它们会很小，因为它们只包含一个散列和一个 ID。

为每个项目制作一个文档，并将与其关联的所有图像的哈希值存储在文档上的数组中。这将产生大约 10 万个文档，但每个文档都相当大，有些项目有数百张图像与之关联。

这些架构中的哪一个性能更高？

Answer 1

最近参加了一个Under the Hood Alexander Reelsen 的谈话，他可能会说“这取决于”和“基准”。

正如@Science_Fiction 已经暗示的那样:

1. 图像是否经常更新？这可能会带来负面的成本因素
2. OTOH，700 万文档的开销可能不应该被忽略，而在您的第二种情况下，它们只是字段中的 not_analyzed 术语。

如果 1. 是一个低因素，我可能会先从您的第二种方法开始。