Skapa ett Atlas Search-index

Atlas Search är en fullständigt hanterad sökmotor baserad på Apache Lucene, inbäddad direkt i MongoDB Atlas. Till skillnad från MongoDB:s inbyggda textindex erbjuder Atlas Search relevanspoäng, fuzzy matching, autokomplettering, facetterad navigering och avancerade analysverktyg – allt tillgängligt via ett steg i en aggregeringspipeline som kallas $search. Ni behöver inte köra ett separat Elasticsearch- eller Solr-kluster; Atlas Search finns sida vid sida med Era data.

Atlas Search kör en Lucene-motor som en separat process bredvid varje MongoDB-nod. När dokument infogas, uppdateras eller tas bort strömmar MongoDB ändringarna asynkront till Lucene-indexet. Det innebär att Atlas Search-index är eventuellt konsekventa med MongoDB-data – det finns en kort fördröjning (vanligtvis millisekunder) mellan en skrivning och att den visas i sökresultaten. För de flesta applikationer är detta helt acceptabelt.

I MongoDB Atlas-gränssnittet navigerar Ni till klustret, klickar på fliken Search och väljer Create Search Index. Ni kan använda Visual Editor (fältmappning med peka-och-klicka) eller JSON Editor för att skriva indexdefinitionen direkt. Indexet gäller för en specifik databas och collection. När Ni har klickat på Create bygger Atlas indexet asynkront – en grön statusindikator visar när det är klart att användas för frågor.

Det enklaste Atlas Search-indexet använder dynamisk mappning: MongoDB indexerar automatiskt alla fält av typen sträng, tal, datum och booleskt värde utan att Ni behöver ange dem ett och ett. Standarddefinitionen för indexet är helt enkelt { mappings: { dynamic: true } }. Detta är det snabbaste sättet att komma igång och passar bra för utforskning. För produktionsarbetsbelastningar bör Ni byta till statiska mappningar för att styra vilka fält som indexeras och hur de analyseras.

Statisk mappning ger Er uttrycklig kontroll över vilka fält som indexeras och hur de analyseras. Ange dynamic: false och lista varje fält med dess typ och analysverktyg. Fält som inte finns med i en statisk mappning indexeras inte. Detta minskar indexets storlek och förbättrar indexeringens genomströmning för stora collections genom att onödig indexering av varje fält undviks.

Ett analysverktyg definierar hur text delas upp i token och normaliseras innan den lagras i Lucene-indexet. lucene.standard omvandlar text till gemener och delar upp den vid blanksteg och skiljetecken. lucene.english tillämpar dessutom stemming (minskar 'running' till 'run') för bättre täckning. lucene.keyword behandlar hela strängen som en enda token, vilket är användbart för fält som ska matcha exakt, till exempel e-postadresser eller SKU-koder. Valet av analysverktyg påverkar sökkvaliteten betydligt.

För infrastruktur som kod och CI/CD-pipelines kan Ni skapa Atlas Search-index med Atlas CLI eller Atlas Administration API. Då kan Ni versionshantera sökindexdefinitionerna tillsammans med applikationskoden. Atlas CLI-kommandot är atlas clusters search indexes create med en JSON-konfigurationsfil.

När ett sökindex har skapats går det igenom tillståndet BUILDING medan Lucene bearbetar befintliga dokument. Under denna tid kan frågor returnera ofullständiga resultat eller misslyckas med ett fel. När statusen visar READY (grönt i Atlas-gränssnittet) omfattar indexet alla befintliga dokument. Nya dokument som läggs till efter att indexet skapats indexeras med en kort fördröjning. Övervaka indexstatus programmatiskt med Atlas Administration API eller Atlas CLI.

Atlas Search kan indexera fält i kapslade dokument och arrayelement. Använd punktnotation i fältsökvägen för att referera till kapslade fält, precis som i vanliga MongoDB-frågor. I arrayer med underdokument indexeras varje element separat. Detta gör att Ni kan söka i inbäddade objekt – till exempel hitta produkter där något färgalternativ matchar en sökterm.

När Atlas Search-indexet har statusen READY testar Ni det med ett $search-steg i en aggregeringspipeline. Den enklaste frågan använder operatorn text för att söka efter ett nyckelord i alla indexerade strängfält. Ett lyckat svar bekräftar att indexet har byggts och att frågor fungerar. Granska searchScore i det projicerade resultatet för att förstå relevansrankningen.

Ni kan skapa flera Atlas Search-index för samma collection, vart och ett med ett annat namn, en annan fältkonfiguration och andra analysverktyg. Det gör att olika användningsområden kan använda specialiserade index – ett allmänt sökindex med dynamisk mappning, ett index för strikt matchning med keyword-analysverktyg och ett autokompletteringsindex. När Ni kör en $search-fråga anger Ni fältet index för att välja vilket sökindex som ska användas.

I den här lektionen har Ni lärt Er att Atlas Search är en Lucene-baserad fulltextsökmotor inbäddad i MongoDB Atlas, att dynamisk mappning indexerar alla fält automatiskt medan statisk mappning kräver uttryckliga fältdefinitioner för mer detaljerad kontroll och att analysverktyg som lucene.standard, lucene.english och lucene.keyword styr hur text tokeniseras och lagras. Nästa steg är att skriva $search-aggregeringsfrågor med operatorerna text, phrase och wildcard.