Atlas Search에서 패싯을 사용하는 방법
이 튜토리얼에서는 sample_mflix.movies
컬렉션의 문자열, 날짜 및 숫자 필드에 패싯 정의를 사용하여 인덱스를 생성하는 방법을 설명합니다. 문자열 필드의 값과 날짜 및 숫자 필드의 범위를 기준으로 그룹화된 결과와 각 그룹의 개수를 얻기 위해 해당 필드에 대해 Atlas Search 쿼리를 실행하는 방법을 보여 줍니다. 다음 단계를 따르세요.
sample_mflix.movies
collection의genres
,released
및year
필드에 패싯 정의가 있는 Atlas Search 인덱스를 설정합니다.sample_mflix.movies
컬렉션의released
필드에 대해 Atlas Search 쿼리를 실행하여genres
필드의 값 및year
필드의 범위별로 그룹화된 결과를 확인합니다.
Atlas Search 인덱스를 생성하려면 프로젝트에 대한 Project Data Access Admin
이상의 액세스 권한이 있어야 합니다.
전제 조건
이 튜토리얼을 완료하려면 Atlas Search 튜토리얼 페이지에 나열된 필수 구성 요소 외에도 다음 버전 중 하나를 실행하는 Atlas 클러스터가 있어야 합니다.
MongoDB 5.0.4+
MongoDB 6.0+
MongoDB 7.0+
패싯에 대한 Atlas 검색 인덱스 만들기
이 섹션에서는 sample_mflix.movies
컬렉션의 genres
, year
, released
필드에 Atlas Search 인덱스를 생성합니다.
AtlasGo Atlas 에서 프로젝트 의 Clusters 페이지로 고 (Go) 합니다.
아직 표시되지 않은 경우 탐색 표시줄의 Organizations 메뉴에서 원하는 프로젝트가 포함된 조직을 선택합니다.
아직 표시되지 않은 경우 탐색 표시줄의 Projects 메뉴에서 원하는 프로젝트를 선택합니다.
아직 표시되지 않은 경우 사이드바에서 Clusters를 클릭합니다.
클러스터 페이지가 표시됩니다.
인덱스 구성을 시작하세요.
페이지에서 다음 항목을 선택한 후 Next을 클릭하세요.
Search Type | Atlas Search 인덱스 유형을 선택하세요. |
Index Name and Data Source | 다음 정보를 지정하십시오:
|
Configuration Method | For a guided experience, select Visual Editor. To edit the raw index definition, select JSON Editor. |
인덱스 정의를 지정합니다.
동적 매핑 또는 정적 매핑을 사용하는 Atlas Search 인덱스를 만들 수 있습니다. 동적 및 정적 매핑에 대해 자세히 알아보려면 정적 및 동적 매핑을 참조하세요.
다음 genres
stringFacet
인덱스 movies
정의는 필드 유형으로 정적으로 인덱싱하고 컬렉션 의 각 문서 에서 지원되는 유형의 다른 필드를 동적으로 인덱싱합니다.Visual Editor JSON Editor Atlas user 인터페이스에서 Atlas Search 또는 Atlas Search 를 사용하여 인덱스 생성할 수 있습니다.
Next을(를) 클릭한 다음 Review Your Index을(를) 클릭합니다.
Field Mappings 섹션에서 Add Field Mapping 을 클릭합니다.
Customzed COnfiguration 를 클릭하고 드롭다운에서 다음을 선택합니다.
Field Name
genres
Data Type
StringFacet
Add을(를) 클릭한 다음 Save Changes을(를) 클릭합니다.
Next를 클릭합니다.
인덱스 정의를 검토합니다.
인덱스 정의는 다음과 비슷해야 합니다:
{ "mappings": { "dynamic": true, "fields": { "genres": { "type": "stringFacet" } } } } Next를 클릭합니다.
컬렉션 검색
➤ 언어 선택 드롭다운 메뉴를 사용하여 이 섹션에 있는 예시의 언어를 설정합니다.
및 $search
단계를 사용하는 $searchMeta
쿼리에서 패싯 을 사용할 수 있습니다. 이 섹션에서는 Atlas 클러스터에 연결하고 $searchMeta
또는 $search
단계를 사용하여 sample_mflix.movies
컬렉션에 대해 샘플 쿼리를 실행하여 genre
및 year
필드를 버킷으로 그룹화합니다. 성능을 최적화하려면:
facet
메타데이터만 필요한 경우$searchMeta
단계를 사용합니다.쿼리 결과와
facet
메타데이터를 모두 조회하려면$search
단계를 사용하세요.
AtlasGo Atlas 에서 프로젝트 의 Clusters 페이지로 고 (Go) 합니다.
아직 표시되지 않은 경우 탐색 표시줄의 Organizations 메뉴에서 원하는 프로젝트가 포함된 조직을 선택합니다.
아직 표시되지 않은 경우 탐색 표시줄의 Projects 메뉴에서 원하는 프로젝트를 선택합니다.
아직 표시되지 않은 경우 사이드바에서 Clusters를 클릭합니다.
Clusters(클러스터) 페이지가 표시됩니다.
인덱싱된 필드에 대해 Atlas Search 쿼리를 실행합니다.
쿼리를 실행하려면 다음 쿼리를 복사하여 Query Editor 에 붙여넣은 다음 Search 클릭하세요.
다음 쿼리는 1921년 11월 11일 근처에 개봉된 영화를 검색합니다. 약 3개월의 origin
로부터의 pivot
기간을 지정합니다. genres
, year
필드에 대한 메타데이터를 요청합니다. 쿼리는 다음을 카운트합니다.
genres
문자열 배열 필드에 있는 각 장르의 영화 수입니다.1910년부터 1939년까지의 영화 수(포함)
[ { "$searchMeta": { "index": "facet-tutorial", "facet": { "operator": { "near": { "path": "released", "origin": ISODate("1921-11-01T00:00:00.000+00:00"), "pivot": 7776000000 } }, "facets": { "genresFacet": { "type": "string", "path": "genres" }, "yearFacet" : { "type" : "number", "path" : "year", "boundaries" : [1910,1920,1930,1940] } } } } } ]
쿼리 결과를 확장합니다.
Search Tester이(가) 결과 내 필드에 대한 모든 값을 표시하지 않을 수 있습니다. 결과 내 필드에 대한 모든 값을 보려면 필드를 확장합니다.
Atlas Search은 페이지에 다음과 같은 결과를 표시합니다:
count: Object lowerBound: 20878 facet: Object genresFacet: Object buckets: Array (10) 0: Object _id: "Drama" count: 12149 1: Object _id: "Comedy" count: 6436 2: Object _id: "Romance" count: 3274 3: Object _id: "Crime" count: 2429 4: Object _id: "Thriller" count: 2400 5: Object _id: "Action" count: 2349 6: Object _id: "Adventure" count: 1876 7: Object _id: "Documentary" count: 1755 8: Object _id: "Horror" count: 1432 9: Object _id: "Biography" count: 1244 yearFacet: Object buckets: Array (3) 0: Object _id: 1910 count: 14 1: Object _id: 1920 count: 47 2: Object _id: 1930 count: 238
mongosh
에서 클러스터에 연결합니다.
터미널 창에서 mongosh
를 열고 클러스터에 연결합니다. 연결에 대한 자세한 지침은 mongosh
를 통한 연결을 참조하세요.
sample_mflix
데이터베이스를 사용합니다.
mongosh
프롬프트에서 다음 명령을 실행합니다.
use sample_mflix
장르 및 연도 필드를 버킷으로 그룹화하는 Atlas Search 패싯 쿼리를 실행합니다.
샘플 쿼리는 컬렉션을 쿼리하기 위해 다음을 사용합니다.
1921년 11월 11일부터 약 3개월 이내에 개봉한 영화를 검색하기 위해
origin
에서pivot
기간 내의 영화를 찾는 근처를 검색합니다.facets
는genres
문자열 배열 필드에서 각 장르별 영화 수와 1910년부터 1939년까지의 연도에 해당하는 영화 수를 요청함
이 쿼리는 $searchMeta
를 사용하거나 SEARCH_META
집계 변수를 사용하여 $search
를 사용하여 실행할 수 있습니다.
MongoDB Compass에서 cluster에 연결합니다.
MongoDB Compass를 열고 cluster에 연결합니다. 연결에 대한 자세한 내용은 Compass를 통한 연결을 참조하세요.
장르 및 연도 필드를 버킷으로 그룹화하는 Atlas Search 패싯 쿼리를 실행합니다.
쿼리는 다음과 같은 searchMeta
연산자 절을 사용합니다.
1921년 11월 11일부터 약 3개월 이내에 개봉한 영화를 검색하기 위해
origin
에서pivot
기간 내의 영화를 찾는 근처를 검색합니다.facets
는genres
문자열 배열 필드에서 각 장르별 영화 수와 1910년부터 1939년까지의 연도에 해당하는 영화 수를 요청함
MongoDB Compass에서 이 쿼리를 실행하려면 다음 안내를 따르세요.
Aggregations 탭을 클릭합니다.
Select...를 클릭한 다음 드롭다운에서 단계를 선택하고 해당 단계에 대한 쿼리를 추가하여 다음 파이프라인 단계를 각각 구성합니다. 단계를 추가하려면 Add Stage을 클릭합니다.
이 쿼리는
$searchMeta
를 사용하거나SEARCH_META
집계 변수를 사용하여$search
를 사용하여 실행할 수 있습니다.
Auto Preview를 활성화한 경우 MongoDB Compass는 $set
파이프라인 단계 옆에 다음 문서를 표시합니다.
count: Object lowerBound: 20878 facet: Object genresFacet: Object buckets: Array (10) 0: Object _id: "Drama" count: 12149 1: Object _id: "Comedy" count: 6436 2: Object _id: "Romance" count: 3274 3: Object _id: "Crime" count: 2429 4: Object _id: "Thriller" count: 2400 5: Object _id: "Action" count: 2349 6: Object _id: "Adventure" count: 1876 7: Object _id: "Documentary" count: 1755 8: Object _id: "Horror" count: 1432 9: Object _id: "Biography" count: 1244 yearFacet: Object buckets: Array (3) 0: Object _id: 1910 count: 14 1: Object _id: 1920 count: 47 2: Object _id: 1930 count: 238
Program.cs
파일에 쿼리를 생성합니다.
Program.cs
파일의 내용을 다음 코드로 바꿉니다.샘플 쿼리는 컬렉션을 쿼리하기 위해 다음을 사용합니다.
1921년 11월 11일부터 약 3개월 이내에 개봉한 영화를 검색하기 위해
origin
에서pivot
기간 내의 영화를 찾는 근처를 검색합니다.facets
는genres
문자열 배열 필드에서 각 장르별 영화 수와 1910년부터 1939년까지의 연도에 해당하는 영화 수를 요청함
이 쿼리는
$searchMeta
를 사용하거나SEARCH_META
집계 변수를 사용하여$search
를 사용하여 실행할 수 있습니다.샘플을 실행하기 전에
<connection-string>
을 Atlas 연결 문자열로 바꿉니다. 연결 문자열에는 데이터베이스 사용자의 자격 증명이 포함되어 있어야 합니다. 자세한 내용은 드라이버를 통한 연결을 참조하세요.
Program.cs
파일을 컴파일하고 실행합니다.
dotnet run facet-query-example.csproj
{ "meta" : { "count" : { "lowerBound" : 20878 }, "facet" : { "genresFacet" : { "buckets" : [ { "_id" : "Drama", "count" : 12149 }, { "_id" : "Comedy", "count" : 6436 }, { "_id" : "Romance", "count" : 3274 }, { "_id" : "Crime", "count" : 2429 }, { "_id" : "Thriller", "count" : 2400 }, { "_id" : "Action", "count" : 2349 }, { "_id" : "Adventure", "count" : 1876 }, { "_id" : "Documentary", "count" : 1755 }, { "_id" : "Horror", "count" : 1432 }, { "_id" : "Biography", "count" : 1244 } ] }, "yearFacet" : { "buckets" : [ { "_id" : 1910, "count" : 14 }, { "_id" : 1920, "count" : 47 }, { "_id" : 1930, "count" : 238 } ] } } } }
장르 및 연도 필드를 버킷으로 그룹화하는 Atlas Search 패싯 쿼리를 실행합니다.
facet-query.go
이라는 파일을 만듭니다.다음 코드를 복사하여
facet-query.go
파일에 붙여넣습니다.이 코드 예시에서는 다음 작업을 수행합니다:
mongodb
패키지 및 종속성을 가져옵니다.Atlas 클러스터에 대한 연결을 설정합니다.
다음 searchMeta 절을 사용하여 collection을 쿼리합니다:
1921년 11월 11일부터 약 3개월 이내에 개봉한 영화를 검색하기 위해
origin
에서pivot
기간 내의 영화를 찾는 근처를 검색합니다.facets
는genres
문자열 배열 필드에서 각 장르별 영화 수와 1910년부터 1939년까지의 연도에 해당하는 영화 수를 요청함
커서 위를 반복하여 쿼리와 일치하는 문서를 인쇄합니다.
이 쿼리는
$searchMeta
를 사용하거나SEARCH_META
집계 변수를 사용하여$search
를 사용하여 실행할 수 있습니다.샘플을 실행하기 전에
<connection-string>
을 Atlas 연결 문자열로 바꿉니다. 연결 문자열에는 데이터베이스 사용자의 자격 증명이 포함되어 있어야 합니다. 자세한 내용은 드라이버를 통한 연결을 참조하세요.다음 명령을 실행하여 컬렉션을 쿼리합니다.
go run facet-query.go [ {count [ {lowerBound 20878} ]} {facet [ {genresFacet [ {buckets [ [{_id Drama} {count 12149}] [{_id Comedy} {count 6436}] [{_id Romance} {count 3274}] [{_id Crime} {count 2429}] [{_id Thriller} {count 2400}] [{_id Action} {count 2349}] [{_id Adventure} {count 1876}] [{_id Documentary} {count 1755}] [{_id Horror} {count 1432}] [{_id Biography} {count 1244}] ]} ]} {yearFacet [ {buckets [ [{_id 1910} {count 14}] [{_id 1920} {count 47}] [{_id 1930} {count 238}] ]} ]} ]} ]
장르 및 연도 필드를 버킷으로 그룹화하는 Atlas Search 패싯 쿼리를 실행합니다.
FacetQuery.java
이라는 파일을 만듭니다.다음 코드를 복사하여
FacetQuery.java
파일에 붙여넣습니다.이 코드 예시에서는 다음 작업을 수행합니다:
mongodb
패키지 및 종속성을 가져옵니다.Atlas 클러스터에 대한 연결을 설정합니다.
다음 searchMeta 절을 사용하여 collection을 쿼리합니다:
1921년 11월 11일부터 약 3개월 이내에 개봉한 영화를 검색하기 위해
origin
에서pivot
기간 내의 영화를 찾는 근처를 검색합니다.facets
는genres
문자열 배열 필드에서 각 장르별 영화 수와 1910년부터 1939년까지의 연도에 해당하는 영화 수를 요청함
커서 위를 반복하여 쿼리와 일치하는 문서를 인쇄합니다.
이 쿼리는
$searchMeta
를 사용하거나SEARCH_META
집계 변수를 사용하여$search
를 사용하여 실행할 수 있습니다.참고
Maven 환경에서 샘플 코드를 실행하려면 파일의 가져오기 문 위에 다음을 추가하세요.
package com.mongodb.drivers; 샘플을 실행하기 전에
<connection-string>
을 Atlas 연결 문자열로 바꿉니다. 연결 문자열에는 데이터베이스 사용자의 자격 증명이 포함되어 있어야 합니다. 자세한 내용은 드라이버를 통한 연결을 참조하세요.FacetQuery.java
파일을 컴파일하고 실행합니다.javac FacetQuery.java java FacetQuery {meta: { count: { lowerBound: Long('20878') }, facet: { genresFacet: { buckets: [ { _id: 'Drama', count: Long('12149') }, { _id: 'Comedy', count: Long('6436') }, { _id: 'Romance', count: Long('3274') }, { _id: 'Crime', count: Long('2429') }, { _id: 'Thriller', count: Long('2400') }, { _id: 'Action', count: Long('2349') }, { _id: 'Adventure', count: Long('1876') }, { _id: 'Documentary', count: Long('1755') }, { _id: 'Horror', count: Long('1432') }, { _id: 'Biography', count: Long('1244') } ] }, yearFacet: { buckets: [ { _id: 1910, count: Long('14') }, { _id: 1920, count: Long('47') }, { _id: 1930, count: Long('238') } ] } } }}
장르 및 연도 필드를 버킷으로 그룹화하는 Atlas Search 패싯 쿼리를 실행합니다.
FacetQuery.kt
이라는 파일을 만듭니다.다음 코드를 복사하여
FacetQuery.kt
파일에 붙여넣습니다.이 코드 예시에서는 다음 작업을 수행합니다:
mongodb
패키지 및 종속성을 가져옵니다.Atlas 클러스터에 대한 연결을 설정합니다.
다음을 사용하여 컬렉션을 쿼리합니다.
1921년 11월 11일부터 약 3개월 이내에 개봉한 영화를 검색하기 위해
origin
에서pivot
기간 내의 영화를 찾는 근처를 검색합니다.facets
는genres
문자열 배열 필드에서 각 장르별 영화 수와 1910년부터 1939년까지의 연도에 해당하는 영화 수를 요청함
AggregateFlow
인스턴스에서 쿼리와 일치하는 문서를 인쇄합니다.
이 쿼리는
$searchMeta
를 사용하거나SEARCH_META
집계 변수를 사용하여$search
를 사용하여 실행할 수 있습니다.샘플을 실행하기 전에
<connection-string>
을 Atlas 연결 문자열로 바꿉니다. 연결 문자열에는 데이터베이스 사용자의 자격 증명이 포함되어 있어야 합니다. 자세한 내용은 드라이버를 통한 연결을 참조하세요.FacetQuery.kt
파일을 실행합니다.IDE에서
FacetQuery.kt
프로그램을 실행하면 다음과 같은 결과가 출력됩니다.Document{{ count=Document{{lowerBound=20878}}, facet=Document{{ genresFacet=Document{{ buckets=[ Document{{_id=Drama, count=12149}}, Document{{_id=Comedy, count=6436}}, Document{{_id=Romance, count=3274}}, Document{{_id=Crime, count=2429}}, Document{{_id=Thriller, count=2400}}, Document{{_id=Action, count=2349}}, Document{{_id=Adventure, count=1876}}, Document{{_id=Documentary, count=1755}}, Document{{_id=Horror, count=1432}}, Document{{_id=Biography, count=1244}} ] }}, yearFacet=Document{{ buckets=[ Document{{_id=1910, count=14}}, Document{{_id=1920, count=47}}, Document{{_id=1930, count=238}} ] }} }} }}
장르 및 연도 필드를 버킷으로 그룹화하는 Atlas Search 패싯 쿼리를 실행합니다.
facet-query.js
이라는 파일을 만듭니다.다음 코드를 복사하여
facet-query.js
파일에 붙여넣습니다.이 코드 예시에서는 다음 작업을 수행합니다:
MongoDB의 Node.js 드라이버인
mongodb
를 가져옵니다.MongoClient
클래스의 인스턴스를 만들어 Atlas 클러스터에 대한 연결을 설정합니다.다음 searchMeta 절을 사용하여 collection을 쿼리합니다:
1921년 11월 11일부터 약 3개월 이내에 개봉한 영화를 검색하기 위해
origin
에서pivot
기간 내의 영화를 찾는 근처를 검색합니다.facets
는genres
문자열 배열 필드에서 각 장르별 영화 수와 1910년부터 1939년까지의 연도에 해당하는 영화 수를 요청함
커서 위를 반복하여 쿼리와 일치하는 문서를 인쇄합니다.
이 쿼리는
$searchMeta
를 사용하거나SEARCH_META
집계 변수를 사용하여$search
를 사용하여 실행할 수 있습니다.샘플을 실행하기 전에
<connection-string>
을 Atlas 연결 문자열로 바꿉니다. 연결 문자열에는 데이터베이스 사용자의 자격 증명이 포함되어 있어야 합니다. 자세한 내용은 드라이버를 통한 연결을 참조하세요.다음 명령을 실행하여 컬렉션을 쿼리합니다.
node facet-query.js '{ "meta":{ "count":{"lowerBound":20878}, "facet":{ "genresFacet":{ "buckets":[ {"_id":"Drama","count":12149}, {"_id":"Comedy","count":6436}, {"_id":"Romance","count":3274}, {"_id":"Crime","count":2429}, {"_id":"Thriller","count":2400}, {"_id":"Action","count":2349}, {"_id":"Adventure","count":1876}, {"_id":"Documentary","count":1755}, {"_id":"Horror","count":1432}, {"_id":"Biography","count":1244} ] }, "yearFacet":{ "buckets":[ {"_id":1910,"count":14}, {"_id":1920,"count":47}, {"_id":1930,"count":238} ] } } } }'
장르 및 연도 필드를 버킷으로 그룹화하는 Atlas Search 패싯 쿼리를 실행합니다.
facet-query.py
이라는 파일을 만듭니다.touch facet-query.py 다음 코드를 복사하여
facet-query.py
파일에 붙여넣습니다.다음 코드 예제에서는:
pymongo
, MongoDB의 Python 드라이버 및dns
모듈을 가져옵니다. 이 모듈은 DNS 시드 리스트 연결 문자열을 사용하여pymongo
를Atlas
에 연결하는 데 필요합니다.MongoClient
클래스의 인스턴스를 만들어 Atlas 클러스터에 대한 연결을 설정합니다.다음을 사용하여 컬렉션을 쿼리합니다.
1921년 11월 11일부터 약 3개월 이내에 개봉한 영화를 검색하기 위해
origin
에서pivot
기간 내의 영화를 찾는 근처를 검색합니다.facets
는genres
문자열 배열 필드에서 각 장르별 영화 수와 1910년부터 1939년까지의 연도에 해당하는 영화 수를 요청함
커서 위를 반복하여 쿼리와 일치하는 문서를 인쇄합니다.
이 쿼리는
$searchMeta
를 사용하거나SEARCH_META
집계 변수를 사용하여$search
를 사용하여 실행할 수 있습니다.샘플을 실행하기 전에
<connection-string>
을 Atlas 연결 문자열로 바꿉니다. 연결 문자열에는 데이터베이스 사용자의 자격 증명이 포함되어 있어야 합니다. 자세한 내용은 드라이버를 통한 연결을 참조하세요.다음 명령을 실행하여 컬렉션을 쿼리합니다.
python facet-query.py { 'meta': { 'count': {'lowerBound': 20878}, 'facet': { 'genresFacet': { 'buckets': [ {'_id': 'Drama', 'count': 12149}, {'_id': 'Comedy', 'count': 6436}, {'_id': 'Romance', 'count': 3274}, {'_id': 'Crime', 'count': 2429}, {'_id': 'Thriller', 'count': 2400}, {'_id': 'Action', 'count': 2349}, {'_id': 'Adventure', 'count': 1876}, {'_id': 'Documentary', 'count': 1755}, {'_id': 'Horror', 'count': 1432}, {'_id': 'Biography', 'count': 1244} ] }, 'yearFacet': { 'buckets': [ {'_id': 1910, 'count': 14}, {'_id': 1920, 'count': 47}, {'_id': 1930, 'count': 238} ] } } } }
결과에는 두 가지 유형의 패싯 검색에 대한 메타데이터 결과가 표시됩니다. genresFacet
문서에는 각 장르의 영화 수가 표시되고 yearFacet
문서에는 경계 내에 있는 영화 수가 표시됩니다.
1910
,1910
이 하한값(포함)입니다.1920
버킷에 대한 배타적 상한과 이1910
1920
버킷에 대한 포괄적 하한입니다.1930
버킷에 대한 배타적 상한과 이1920
1930
버킷에 대한 포괄적 하한입니다.
학습 계속하기
코스나 동영상을 통해 Atlas Search의 패싯에 대해 자세히 알아볼 수 있습니다.
교육 과정으로 배우기
Atlas Search에서 패싯을 사용하는 방법에 대해 자세히 알아보려면 MongoDB University의 Intro To MongoDB 과정 9단원을 수강하세요. 1.5시간 분량인 이 단원에는 Atlas Search에 대한 개요와 Atlas Search 인덱스 만들기, 복합 연산자를 사용한 $search
쿼리 실행, facet
을 사용한 결과 그룹화에 대한 강의가 포함되어 있습니다.
동영상으로 배우기
이 동영상을 따라 가며 쿼리에서 숫자 및 문자열 패싯 을 만들어 사용하여 결과를 그룹화하고 그룹 내 결과 수를 검색하는 방법을 알아보세요.
소요 시간: 11분