Índices de texto en implementaciones autogestionadas

Overview

Para ejecutar consultas de búsqueda de texto en implementaciones autogestionadas, debe tener un índice de texto en su colección. MongoDB proporciona índices de texto para admitir consultas de búsqueda de texto en contenido de cadena. Los índices de texto pueden incluir cualquier campo cuyo valor sea una cadena o un array de elementos de cadena. Una colección solo puede tener un índice de búsqueda de texto, pero este puede abarcar varios campos.

Compatibilidad

Puede utilizar índices de texto para implementaciones alojadas en MongoDB Atlas.

Para obtener más información sobre cómo administrar índices para implementaciones alojadas en MongoDB Atlas, consulte Crear, ver, eliminar y ocultar índices.

Versiones

El índice de texto está disponible en tres versiones. De forma predeterminada, MongoDB usa la versión 3 con nuevos índices de texto.

Para anular el valor predeterminado y utilizar una versión anterior, utilice el textIndexVersion opción al crear el índice.

Crear índice de texto

Para crear un índice text, utilice el db.collection.createIndex() Método. Para indexar un campo que contiene una cadena o una matriz de elementos de cadena, incluya el campo y especifique el literal de cadena "text" en el documento de índice, como en el siguiente ejemplo:

db.reviews.createIndex( { comments: "text" } )

Puedes indexar varios campos para el índice text. El siguiente ejemplo crea un índice text en los campos subject y comments:

db.reviews.createIndex(
   {
     subject: "text",
     comments: "text"
   }
 )

Un índice compuesto puede incluir text claves de índice en combinación con claves de índice ascendentes/descendentes. Para obtener más información, consulta Índice compuesto.

Para eliminar un text índice, utilice el nombre del índice. Consulte "Usar el nombre del índice para eliminar un índice " para obtener más text información.

db.collection.createIndex( { "$**": "text" } )

db.collection.createIndex( { a: 1, "$**": "text" } )

Insensibilidad a las mayúsculas y minúsculas

El índice de la versión 3 text admite los casos C comunes, simples S y, para los idiomas turcos, los T casos especiales, tal como se especifica en la base de datos de caracteres Unicode.8.0 .

La corrección de mayúsculas y minúsculas amplía la insensibilidad a mayúsculas y minúsculas del índice text para incluir caracteres con diacríticos, como é y É, y caracteres de alfabetos no latinos, como "И" y "и" en el alfabeto cirílico.

La versión 3 del text índice tampoco distingue entre diacríticos. Por lo tanto, el índice tampoco distingue é Éentre,, e Ey.

Las versiones anteriores del índice text solo distinguen entre mayúsculas y minúsculas para [A-z]; es decir, solo distinguen entre mayúsculas y minúsculas para caracteres latinos no diacríticos. Para todos los demás caracteres, las versiones anteriores del índice de texto los tratan como distintos.

Insensibilidad a los diacríticos

Con la 3 versión, text el índice no distingue entre caracteres diacríticos y sus equivalentes sin marca,é êcomo,e y. Más específicamente, el text índice elimina los caracteres categorizados como diacríticos en Unicode.8 0 Lista de propiedades de la base de datos de caracteres.

La versión 3 del text índice tampoco distingue entre mayúsculas y minúsculas en caracteres con diacríticos. Por lo tanto, el índice tampoco distingue é Éentre,, e Ey.

Las versiones anteriores del índice text tratan los caracteres con diacríticos como distintos.

Delimitadores de tokenización

Para la tokenización, la versión 3 text del índice utiliza los delimitadores categorizados bajo Dash, Hyphen, Pattern_Syntax, Quotation_Mark, Terminal_Punctuation, y White_Space en la Lista de atributos de la base de datos de caracteres Unicode 8.0 .

Por ejemplo, si se proporciona una cadena "Il a dit qu'il «était le meilleur joueur du monde»", el índice text trata a «, » y los espacios como delimitadores.

Las versiones anteriores del índice tratan « como parte del término "«était" y » como parte del término "monde»".

Entradas del índice

text El índice tokeniza y lematiza los términos en los campos indexados de las entradas de índice. text almacena una entrada de índice por cada término lematizado único en cada campo indexado de cada documento de la colección. El índice utiliza una lematización de sufijos simple,específica del idioma.

Idiomas admitidos y palabras vacías

MongoDB admite la búsqueda de texto en varios idiomas. Lostext índices eliminan las palabras vacías específicas del idioma (p. ej., enthe inglés,,,,, an aandetc.) y utilizan una lematización de sufijos específica del idioma. Para obtener una lista de los idiomas compatibles, consulte Idiomas de búsqueda de texto en implementaciones autogestionadas.

Si especificas un valor default_language de none, el índice de texto analiza cada palabra en el campo, incluidas las palabras irrelevantes, e ignora la lematización de sufijos.

Para especificar un idioma para el text índice, consulte Especificar el idioma predeterminado para un índice de texto en implementaciones autoadministradas.

sparse Propiedad

text los índices siempre son dispersos e ignoran la opción dispersa. Si a un documento le falta un campo de índice text (o el campo es null o es un arreglo vacío), MongoDB no agrega una entrada para el documento en el índice text. Para las inserciones, MongoDB inserta el documento pero no lo agrega al índice text.

En un índice compuesto que incluye una clave de índice text junto con claves de otros tipos, solo el campo de índice text determina si el índice hace referencia a un documento. Las demás claves no determinan si el índice hace referencia a los documentos.

Restricciones

Búsqueda de texto y frases

Si la string $search de una operación $text incluye una string de varias palabras y términos individuales, $text solo coincide con los documentos que incluyan la string de varias palabras.

Requisitos de almacenamiento y costos de rendimiento

text Los índices tienen los siguientes requisitos de almacenamiento y costos de rendimiento:

• text los índices pueden ser grandes. Contienen una entrada de índice para cada palabra única post-índice en cada campo indexado para cada documento insertado.

• Construir un índice text es muy similar a construir un índice grande de múltiples claves y llevará más tiempo que construir un índice ordenado simple (escalar) sobre los mismos datos.

• Al crear un text índice grande en una colección existente, asegúrese de tener un límite suficientemente alto de descriptores de archivos abiertos. Consulte la configuración recomendada.

• text Los índices afectarán el rendimiento de inserción porque MongoDB debe agregar una entrada de índice para cada palabra post-raíz única en cada campo indexado de cada nuevo documento fuente.

• Además, los índices text no almacenan frases ni información sobre la proximidad de las palabras en los documentos. Por lo tanto, las consultas de frases se ejecutarán con mucha mayor eficacia cuando toda la colección quepa en la RAM.

Soporte de búsqueda de texto

El índice text admite operaciones de consulta$text. Para ver ejemplos de búsqueda de texto, consulte$text reference page. Para ver ejemplos de operaciones$texten canales de agregación, consulte $text en el canal de agregación de implementaciones autogestionadas.