Solr如何查询获取每个docid对应的最新版本文档？

现有存储的文档示例如下：

{docid:1,version:1}
{docid:1,version:2}
{docid:2,version:1}
{docid:2,version:2}
{docid:2,version:3}
{docid:3,version:1}
{docid:3,version:2}

期望输出每个docid的最高version文档：

{docid:1,version:2}
{docid:2,version:3}
{docid:3,version:2}

方案1：使用Field Collapsing（字段分组）功能（最常用） #

这是Solr原生支持的专门针对这类分组取Top N的功能，实现成本最低，不需要修改现有数据结构：

前提条件 #

• docid、version字段为已索引、可排序字段，version字段需为数值类型（int/long）避免排序异常

核心查询参数 #

group=true
group.field=docid
group.sort=version desc
group.limit=1
# 可选参数：开启后返回结果结构和普通查询一致，直接在docs列表返回目标文档，无需额外解析分组嵌套结构
group.main=true

直接拼接以上参数到普通查询请求中即可得到预期结果。

方案2：使用JSON Facet Top Hits功能（适合需要同步做聚合统计的场景） #

如果你的查询同时需要做其他维度的统计分析，可以用Solr 7+支持的JSON Facet功能一次查询拿到分组结果和统计数据：

核心参数 #

json.facet={
  "docid_groups": {
    "terms": {
      "field": "docid",
      "limit": -1 # 全量返回所有docid分组，按需调整大小
    },
    "facet": {
      "latest_doc": {
        "top": {
          "sort": "version desc",
          "limit": 1,
          "field": "*"
        }
      }
    }
  }
}

解析返回结果中每个分组的latest_doc字段即可拿到对应最新版本文档。

方案3：写入预处理方案（适合读请求占比高的场景） #

如果该查询是业务高频查询，不想每次查询都做分组计算，可以在写入阶段做预处理，提升查询性能：

• 方案3.1：不需要保留历史版本的场景，直接将docid设为Solr文档唯一键，写入高版本文档时自动覆盖低版本文档，查询时无需任何额外参数，直接查询即可得到全量最新文档
• 方案3.2：需要保留历史版本的场景，新增is_latest布尔类型字段，写入新版本文档时，同步将同docid下旧版本文档的is_latest字段更新为false，新版本设为true。查询时直接加过滤条件fq=is_latest:true即可，查询性能远高于实时分组计算。

注意事项 #

• 若docid基数极大，使用分组查询时注意调整group.offset、group.limit参数避免分页异常
• version字段禁止使用字符串类型，否则会出现版本10排序在2之前的异常问题

内容的提问来源于stack exchange，提问作者user3309305