elasticsearch - 用于同一文本的多个版本的Elasticsearch模式

Question

我正在使用一个系统，该系统可以从各种新闻站点下载文章，并对文本进行各种NLP分析。我想存储每篇文章的多个版本和各个方面，包括

原始HTML

清理后的纯文本版本

文章的CoreNLP输出。

由于我想将纯文本版本存储在Elasticsearch上，因此我考虑将其他所有内容也存储在Elasticsearch上。我没有Elasticsearch的经验，所以我无法告诉您哪种更好的存储方式:

每篇文章有一条记录，其中HTML，文本和CoreNLP输出作为该文章的属性:{html: '....', text: '....', CoreNLP: '....'}

将每种类型的信息以其自己的类型存储:/articles/html/1，/articles/text/1，/articles/corenlp/1等...

哪个更常见？还有第三种更好的选择吗？

Answer 1

取决于您要在哪里进行COreNLP，html整理等。如果您想 flex 执行此操作，我将使用多字段类型:

https://www.elastic.co/guide/en/elasticsearch/reference/0.90/mapping-multi-field-type.html

如果您是在 flex 之外进行的，这是不常见的，因为这对 flex 是一件好事，则可以使用多字段方法。