در یک سیستم بازیابی متن توزیع­ شده­ با معماری shared-nothing ، پرس ­و جو­ها در سرتاسر یک شاخص بازیابی که در میان تعدادی از سرویس­ دهنده­ های شاخص تقسیم شده­ اند، پردازش می­ شوند. در عمل، یک شاخص یا به صورت سند و یا به صورت واژه  تقسیم می­ شود. این انتخاب به ویژگی­ های زیرساخت­ های سخت­ افزاری، توزیع ترافیک پرس­ و­ جو و محدودیت­ هایی مانند در دسترس­ بودن و کارایی بستگی دارد. در پردازش پرس­ و­ جو در یک سیستم بازیابی که یک سیستم پارتیشن­ بندی شاخص بر اساس واژه را اتخاذ می­ کند، سربار ارتباطی بالا با توجه به انتقال مقادیر زیادی از داده از سرورهای شاخص، یک تنگنای عملکرد اصلی را که مقیاس­ پذیری کل سیستم بازیابی توزیع­ شده را  به صورت تدریجی خراب می­ کند، شکل می­ دهد. در این کار برای کاهش این مشکل، ما یک مدل جدید برای  بازیابی پارتیشن­ بندی شاخص ارایه می­ دهیم که متکی بر پارتیشن­ بندی ابرگراف است. در مدل ارایه­ شده، مستندات شاخص در دسترس به طور همزمان بر اساس الگوهای دسترسی شاخص که از لاگ­ های پرس­ و جوهای قبلی استخراج شده­ اند، معین شده­ اند. هدف این مدل به حداقل رساندن سربار ارتباطات است که بر اساس پرس­ و­ جوهای آینده به وجود می­ آیند. این درحالی است که همزمان تعادل بار محاسباتی در میان سرویس­ دهنده­ های شاخص حفظ می­ شود. ما عملکرد مدل ارایه شده را از طریق آزمایش­ های گسترده با استفاده از یک مجموعه متن زندگی واقعی و یک نمونه پرس­ و­ جوی جستجو ارزیابی کرده­ ایم. نتایج ما نشان می­ دهد که عملکرد قابل­ توجهی می­ تواند نسبت به استراتژی پارتیشن­ بندی شاخص مبتنی بر واژه  به دست آید. با این حال در اغلب موارد کارایی پارتیشن­ بندی بر اساس سند پایین ­تر است.

منبع: مقاله ی A Term-Based Inverted Index Partitioning Model for Efficient Distributed Query Processing