Einschränkungen von Textindizes und der Einsatz von Atlas Search

Der integrierte Textindex von MongoDB ist ein guter Ausgangspunkt für die Volltextsuche, weist jedoch mehrere wichtige Einschränkungen auf, die mit steigenden Anforderungen an die Suche zunehmend relevant werden. Wenn Sie diese Einschränkungen kennen, können Sie frühzeitig entscheiden, ob Sie in den nativen Textindex investieren oder zu einer spezialisierten Suchmaschine wie Atlas Search wechseln sollten.

Die folgenreichste Einschränkung besteht darin, dass jede Collection nur einen Textindex haben kann. Sie können daher nicht für unterschiedliche Suchszenarien separate Textindizes für dieselbe Collection anlegen. Alles muss in einer einzigen Indexdefinition zusammengeführt werden. Wenn sich Ihre Suchanforderungen ändern und Sie Felder zum Index hinzufügen oder daraus entfernen müssen, müssen Sie den gesamten Textindex löschen und neu erstellen. Bei großen Collections kann dies zeitaufwendig sein.

Native Textindizes bieten keine Autocomplete-Funktion. Sie finden ganze Wörter (nach dem Stemming), können aber keine Vervollständigungen für unvollständige Eingaben vorschlagen. Eine Suche nach „mongo“ findet beispielsweise KEINE Dokumente, die „mongodb“ enthalten, da „mongo“ und „mongodb“ zu unterschiedlichen Token-Stämmen verarbeitet werden. Autocomplete mit nativen Textindizes zu implementieren, erfordert aufwendige Umgehungslösungen wie das Speichern von n-Grammen und ist daher ineffizient.

Native Textindizes bieten keine unscharfe (ungefähre) Suche. Ein Tippfehler wie „mongodab“ findet „mongodb“ nicht – das Token muss ähnlich genug sein, um auf denselben Stamm reduziert zu werden. Bei Suchfeldern für Benutzer, in denen Tippfehler häufig vorkommen, führt dies zu frustrierenden Suchen ohne Ergebnisse. Atlas Search bietet eine fuzzy-Option mit konfigurierbarer Editierdistanz, um Tippfehler zuverlässig zu verarbeiten.

Native Textindizes unterstützen für Stemming und Stoppwörter etwa 15 Sprachen. Damit werden die meisten westeuropäischen Sprachen abgedeckt, es gibt jedoch keine Unterstützung für Chinesisch, Japanisch, Koreanisch und Arabisch sowie viele weitere Sprachen, bei denen vor der Tokenisierung Wortgrenzen erkannt werden müssen. Atlas Search verwendet Lucene-Analysatoren, die eine deutlich größere Sprachauswahl und sprach- bzw. schriftspezifische Tokenisierungsregeln unterstützen.

Native Textindizes können Suchbegriffe nicht um Synonyme erweitern. Sucht ein Benutzer beispielsweise nach „Automobil“, finden Dokumente, die nur „Auto“ enthalten, keine Übereinstimmung. Atlas Search unterstützt Synonymzuordnungen, die Sie in der Indexdefinition konfigurieren. Dadurch ist eine umfangreiche Synonymerweiterung ohne Umschreiben der Abfragen auf Anwendungsebene möglich.

Native Textindizes speichern alle Token in einem einzigen WiredTiger-B-Baum innerhalb derselben Speicher-Engine wie Ihre operativen Daten. Bei großen Textbeständen (zig Millionen Dokumente mit langen Textfeldern) kann dies zu Schreibverstärkung und Cache-Druck führen und dadurch die Gesamtperformance der Datenbank beeinträchtigen. Spezialisierte Suchmaschinen wie Lucene (die Atlas Search zugrunde liegt) sind architektonisch auf große Tokenbestände ausgelegt und verwenden komprimierte invertierte Indizes.

Atlas Search ist eine vollständig verwaltete, auf Apache Lucene basierende Suchmaschine, die in MongoDB Atlas integriert ist. Sie läuft als separater Dienst innerhalb Ihres Atlas-Clusters und repliziert Daten aus Ihren Collections automatisch. Atlas Search verwendet die Aggregationsphase $search anstelle von $text und bietet Autocomplete, unscharfe Suche, Facetten, Synonyme, benutzerdefinierte Bewertung und umfassende Sprachunterstützung – mit derselben MongoDB-Verbindungszeichenfolge.

Verwenden Sie den nativen Textindex, wenn Ihre Collection weniger als 1 Million Dokumente enthält, Ihre Benutzer in einer westeuropäischen Sprache suchen, Sie eine einfache Stichwortsuche ohne Tippfehler oder Autocomplete benötigen oder keine zusätzlichen Infrastrukturkosten anfallen sollen. Verwenden Sie Atlas Search, wenn Sie Autocomplete oder eine unscharfe Suche benötigen, Ihre Benutzer in mehreren oder nicht-lateinischen Sprachen suchen, Sie eine facettierte Navigation brauchen oder die Textsuche zentral für Ihr Produkt ist und skalieren muss.

Für die Migration von nativem Text zu Atlas Search müssen Sie Ihr Datenmodell nicht ändern – Atlas Search indiziert dieselbe Collection. Die Migrationsschritte sind: 1) Erstellen Sie über die Atlas-Benutzeroberfläche oder API einen Atlas-Search-Index für die Collection; 2) Schreiben Sie Ihre find({ $text: ... })-Abfragen so um, dass sie die Aggregationsphase $search verwenden; 3) Testen und validieren Sie die Ergebnisse; 4) Löschen Sie den alten Textindex, um Speicherplatz freizugeben. Ihre Dokumente werden nicht verschoben; nur der Index und die Abfragesyntax ändern sich.

Bei sehr anspruchsvollen Suchanforderungen – etwa benutzerdefiniertem ML-basiertem Ranking, Vektorsimilaritätssuche (semantischer Suche), Multi-Tenancy im großen Maßstab oder vollständiger Transparenz über Abfragepläne – reicht möglicherweise auch Atlas Search nicht aus. In solchen Fällen werden spezialisierte Suchplattformen wie Elasticsearch, Solr oder Typesense zusammen mit MongoDB eingesetzt. Eine Synchronisierungsschicht (Change Streams oder ETL) hält den Suchindex mit der maßgeblichen Datenquelle in MongoDB synchron.

In dieser Lektion haben Sie gelernt: Native Textindizes weisen wichtige Einschränkungen auf, darunter ein Index pro Collection, kein Autocomplete, keine unscharfe Suche und eingeschränkte Sprachunterstützung; Atlas Search (auf Lucene-Basis) löst diese Probleme mit Autocomplete, unscharfer Suche, Synonymen und einer breiten Sprachabdeckung; und die richtige Wahl hängt von Umfang und Funktionsanforderungen ab. Als Nächstes beschäftigen wir uns mit Array-Operatoren und -Abfragen.