本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 执行 Amazon DocumentDB 文本搜索 Amazon DocumentDB 的原生全文搜索功能（文本索引 v1）允许您使用特殊用途的文本索引对大型文本数据集执行文本搜索。本节介绍文本索引功能的功能，并提供了有关如何在 Amazon DocumentDB 中创建和使用文本索引的步骤。还列出了文本搜索的限制。 **Topics** + [支持的功能](#text-search-capabilities) + [使用 Amazon DocumentDB 文本索引](#using-text-search) + [与 MongoDB 的差异](#text-index-mongo-diff) + [最佳实践和准则](#text-search-best-practice) + [文本索引 V2](#text-index-v2) + [限制](#text-search-limitations) ## 支持的功能 Amazon DocumentDB 文本搜索支持以下 MongoDB API 兼容功能： + 在单个字段上创建文本索引。 + 创建包含多个文本字段的复合文本索引。 + 执行单字或多字搜索。 + 使用权重控制搜索结果。 + 通过打分对搜索结果进行排序。 + 在聚合管道中使用文本索引。 + 搜索确切的短语。 ## 使用 Amazon DocumentDB 文本索引 要在包含字符串数据的字段上创建文本索引，需指定以下所示的字符串“text”： 单个字段索引： ``` db.test.createIndex({"comments": "text"}) ``` 此索引支持在指定集合的“comments”字符串字段中进行文本搜索查询。 在多个字符串字段上创建复合文本索引： ``` db.test.createIndex({"comments": "text", "title":"text"}) ``` 此索引支持在指定集合中的“comments”和“title”字符串字段中进行文本搜索查询。在创建复合文本索引时，最多可指定 30 个字段。一旦创建后，文本搜索查询将对所有索引字段进行查询。 **注意** 每个集合只能有一个文本索引。 ### 列出 Amazon DocumentDB 集合上的文本索引 您可以在集合上使用 `getIndexes()` 来识别和描述文本索引等索引，如下例所示： ``` rs0:PRIMARY> db.test.getIndexes() [ { "v" : 4, "key" : { "_id" : 1 }, "name" : "_id_", "ns" : "test.test" }, { "v" : 1, "key" : { "_fts" : "text", "_ftsx" : 1 }, "name" : "contents_text", "ns" : "test.test", "default_language" : "english", "weights" : { "comments" : 1 }, "textIndexVersion" : 1 } ] ``` 创建索引后，开始将数据插入 Amazon DocumentDB 集合。 ``` db.test.insertMany([{"_id": 1, "star_rating": 4, "comments": "apple is red"}, {"_id": 2, "star_rating": 5, "comments": "pie is delicious"}, {"_id": 3, "star_rating": 3, "comments": "apples, oranges - healthy fruit"}, {"_id": 4, "star_rating": 2, "comments": "bake the apple pie in the oven"}, {"_id": 5, "star_rating": 5, "comments": "interesting couch"}, {"_id": 6, "star_rating": 5, "comments": "interested in couch for sale, year 2022"}]) ``` ### 运行文本搜索查询 **运行单字文本搜索查询** 需要使用 `$text` 和 `$search` 运算符来执行文本搜索。以下示例返回文本索引字段中包含字符串“apple”或“apples”等其他格式字符串的所有文档： ``` db.test.find({$text: {$search: "apple"}}) ``` 输出： 该命令的输出内容类似如下所示： ``` { "_id" : 1, "star_rating" : 4, "comments" : "apple is red" } { "_id" : 3, "star_rating" : 3, "comments" : "apples, oranges - healthy fruit" } { "_id" : 4, "star_rating" : 2, "comments" : "bake the apple pie in the oven" } ``` **运行多字文本搜索** 您还可以对 Amazon DocumentDB 数据执行多字文本搜索。以下命令返回文本索引字段中含有“apple”或“pie”的文档： ``` db.test.find({$text: {$search: "apple pie"}}) ``` 输出： 该命令的输出内容类似如下所示： ``` { "_id" : 1, "star_rating" : 4, "comments" : "apple is red" } { "_id" : 2, "star_rating" : 5, "comments" : "pie is delicious" } { "_id" : 3, "star_rating" : 3, "comments" : "apples, oranges - healthy fruit" } { "_id" : 4, "star_rating" : 2, "comments" : "bake the apple pie in the oven" } ``` **运行多字短语文本搜索** 对于多字短语搜索，请使用以下示例： ``` db.test.find({$text: {$search: "\"apple pie\""}}) ``` 输出： 上述命令返回文本索引字段中含有确切短语“apple pie”的文档：该命令的输出内容类似如下所示： ``` { "_id" : 4, "star_rating" : 2, "comments" : "bake the apple pie in the oven" } ``` **使用筛选器进行文本搜索** 您还可以将文本搜索与其他查询运算符结合起来使用，按照附加条件筛选结果： ``` db.test.find({$and: [{star_rating: 5}, {$text: {$search: "interest"}}]}) ``` 输出： 上述命令返回文本索引字段中包含任何形式的“interest”且“star\$1rating”等于 5 的文档。该命令的输出内容类似如下所示： ``` { "_id" : 5, "star_rating" : 5, "comments" : "interesting couch" } { "_id" : 6, "star_rating" : 5, "comments" : "interested in couch for sale, year 2022" } ``` **限制文本搜索中返回的文档数量** 可以选择使用 `limit` 限制返回的文档数量： ``` db.test.find({$and: [{star_rating: 5}, {$text: {$search: "couch"}}]}).limit(1) ``` 输出： 上述命令返回一个满足筛选器的结果： ``` { "_id" : 5, "star_rating" : 5, "comments" : "interesting couch" } ``` **通过文本打分对结果进行排序** 以下示例通过文本打分对文本搜索结果进行排序： ``` db.test.find({$text: {$search: "apple"}}, {score: {$meta: "textScore"}}).sort({score: {$meta: "textScore"}}) ``` 输出： 上述命令返回文本索引字段中包含“apple”或“apples”等其他格式的文档，并根据文档与搜索词的相关程度对结果进行排序。该命令的输出内容类似如下所示： ``` { "_id" : 1, "star_rating" : 4, "comments" : "apple is red", "score" : 0.6079270860936958 } { "_id" : 3, "star_rating" : 3, "comments" : "apples, oranges - healthy fruit", "score" : 0.6079270860936958 } { "_id" : 4, "star_rating" : 2, "comments" : "bake the apple pie in the oven", "score" : 0.6079270860936958 } ``` `aggregate`、`count`、`findAndModify`、`update` 和 `delete` 命令也支持 `$text` 和 `$search`。 ### 聚合运算符 **使用 `$match` 的聚合管道** ``` db.test.aggregate( [{ $match: { $text: { $search: "apple pie" } } }] ) ``` 输出： 上述命令返回以下结果： ``` { "_id" : 1, "star_rating" : 4, "comments" : "apple is red" } { "_id" : 3, "star_rating" : 3, "comments" : "apple - a healthy fruit" } { "_id" : 4, "star_rating" : 2, "comments" : "bake the apple pie in the oven" } { "_id" : 2, "star_rating" : 5, "comments" : "pie is delicious" } ``` **其他聚合运算符的组合** ``` db.test.aggregate( [ { $match: { $text: { $search: "apple pie" } } }, { $sort: { score: { $meta: "textScore" } } }, { $project: { score: { $meta: "textScore" } } } ] ) ``` 输出： 上述命令返回以下结果： ``` { "_id" : 4, "score" : 0.6079270860936958 } { "_id" : 1, "score" : 0.3039635430468479 } { "_id" : 2, "score" : 0.3039635430468479 } { "_id" : 3, "score" : 0.3039635430468479 } ``` ### 在创建文本索引时指定多个字段 最多可以为复合文本索引中的三个字段分配权重。分配给文本索引中的字段的默认权重为一 (1)。权重为可选参数，须介于 1 到 100000 之间。 ``` db.test.createIndex( { "firstname": "text", "lastname": "text", ... }, { weights: { "firstname": 5, "lastname":10, ... }, name: "name_text_index" } ) ``` ## 与 MongoDB 的差异 Amazon DocumentDB 的文本索引功能使用反向索引和词频算法。文本索引默认为稀疏索引。由于解析逻辑、令牌化分隔符等方面的差异，对于相同的数据集或查询形状，可能无法返回与 MongoDB 相同的结果集。 Amazon DocumentDB 文本索引和 MongoDB 之间还存在以下差异： + 不支持采用非文本索引的复合索引。 + Amazon DocumentDB 文本索引不区分大小写。 + 文本索引仅支持英语。 + 不支持数组（或多键）字段的文本索引。例如，使用文档对“a”创建文本索引 \$1“a”:[“apple”, “pie”]\$1 将会失败。 + 不支持通配符文本索引。 + 不支持唯一文本索引。 + 不支持排除某个词。 ## 最佳实践和准则 + 为了优化通过文本打分排序进行文本搜索查询的性能，我们建议在加载数据之前创建文本索引。 + 文本索引需要额外的存储空间来实现索引数据内部副本的最优化。这将产生额外的费用。 ## 文本索引 V2 亚马逊 DocumentDB 8.0 引入了新版本的文本索引 (V2)，该版本更改了底层文本搜索解析器，以提高与 MongoDB 的兼容性。 除了 V1 文本索引提供的功能外，V2 文本索引还提供以下支持： + 如果可能，计划器会将\$1match阶段移到流程的更早阶段，从而减少后续阶段处理的文档数量。 ``` rs0:PRIMARY> db.coll.createIndex({ "a": "text" }); rs0:PRIMARY> db.coll.find() { "_id" : 1, "a" : "jane.doe_1234@company.com" } { "_id" : 2, "a" : "janedoe@company.com" } { "_id" : 3, "a" : "/home/user/company/thesis.pdf" } { "_id" : 4, "a" : "/home/user/path/jane.pdf" } { "_id" : 5, "a" : "http://www.company.com/path" } { "_id" : 6, "a" : "https://company.com/path/../home" } //Sample queries rs0:PRIMARY> db.coll.find({ $text: { $search: "jane" } }); rs0:PRIMARY> db.coll.find({ $text: { $search: "doe_1234" } }); rs0:PRIMARY> db.coll.find({ $text: { $search: "http" } }); // Text Index V1 results None // Text Index V2 results { "_id" : 1, "a" : "jane.doe_1234@company.com" } { "_id" : 4, "a" : "/home/user/path/jane.pdf" } { "_id" : 5, "a" : "http://www.company.com/path" } ``` ## 限制 Amazon DocumentDB 中的文本搜索存在以下限制： + 文本索引存储词素及其位置信息。单个文档中所有词素及其位置信息的组合大小限制为 1MB。