Make the MongoDB docs better! We value your opinion. Share your feedback for a chance to win $100.
MongoDB Branding Shape
Click here >
Menu Docs
Página inicial do Docs
/ /
Pesquisa de design para seu modelo de dados
Página inicial do Docs
/
Desenvolvimento
/
Pesquisa
/
Pesquisa de design para seu modelo de dados
Página inicial do Docs
/
Desenvolvimento
/
Pesquisa
/
Pesquisa de design para seu modelo de dados

Use visualizações com pesquisa MongoDB

Você pode criar um índice de pesquisa do MongoDB Search em uma Visualização para transformar documentos e coleções. Isso permite que você indexe parcialmente uma coleção, suporte tipos de dados ou modelos de dados incompatíveis, e mais.

Os exemplos a seguir usam os bancos de dados de amostra sample_mflix e sample_airbnb.

Observação

Desambiguação

Esta página explora visualizações padrão. Para saber mais sobre visualizações materializadas sob demanda, consulte Visualizações materializadas sob demanda.

Para aprender sobre as diferenças entre os tipos de visualização, consulte Comparação com visualizações materializadas sob demanda.

Requisitos

Você deve usar o MongoDB 8.0 ou superior.

  • No MongoDB v8.0+:

    • Use a UI do Atlas ou a API de Administração do Atlas para criar índices do MongoDB Search nas visualizações.

    • Execute as queries do MongoDB Search na collection de origem. Consulte o índice do MongoDB Search que foi criado na visualização. Essas queries retornam os documentos originais conforme aparecem na coleção de origem.

  • No MongoDB v8.1+, você também pode:

Para editar uma visualização, você deve ter uma função de Usuário administrador e usar o comando de banco de dados collMod.

Limitações

  • Para recuperar o documento transformado, use a opção storedSource .

Permissões necessárias

Para criar uma visualização, sua função deve ter o privilégio createCollection.

Exemplos

Os exemplos a seguir demonstram como criar uma visualização, indexar parcialmente os documentos e executar queries na visualização usando o índice.

Filtrar documentos

Filtro de documentos para um índice parcial de uma coleção.

Você pode filtrar documentos para criar índices parciais em uma coleção. O exemplo a seguir cria uma visualização na coleção sample_mflix.movies para que você possa pesquisar apenas filmes lançados após 1° de janeiro de 2000.

1

Conecte-se ao seu cluster usando mongosh.

Para saber mais, consulte Conectar-se a um cluster via mongosh.

2

Alternar para o banco de dados sample_mflix.

use sample_mflix
3

Crie uma visualização movies_ReleasedAfter2000.

db.createView(
  "movies_ReleasedAfter2000",
  "movies",
  [
    {
      $match: {
        $expr: {
          $gt: [
            "$released",
            ISODate("2000-01-01")
          ]
        }
      }
    }
  ]
)
4

No Atlas, vá para a página Clusters do seu projeto.

  1. Se ainda não tiver sido exibido, selecione a organização que contém seu projeto no menu Organizations na barra de navegação.

  2. Se ainda não estiver exibido, selecione o projeto desejado no menu Projects na barra de navegação.

  3. Na barra lateral, clique em Clusters sob o título Database.

A página Clusters é exibida.

5

In Atlas, vá para a página Search & Vector Search para seu cluster.

Você pode acessar a página de pesquisa do MongoDB a partir da opção Search & Vector Search ou do Data Explorer.

  1. Se ainda não tiver sido exibido, selecione a organização que contém seu projeto no menu Organizations na barra de navegação.

  2. Se ainda não estiver exibido, selecione seu projeto no menu Projects na barra de navegação.

  3. Na barra lateral, clique em Search & Vector Search sob o título Database.

    • Se você não tiver clusters, clique em Create cluster para criar um. Para saber mais, consulte Criar um cluster.

    • Se o seu projeto tiver vários clusters, selecione o cluster que deseja usar no menu suspenso Select cluster e clique em Go to Search.

    A página Pesquisa & Pesquisa Vetorial é exibida.

  1. Se ainda não tiver sido exibido, selecione a organização que contém seu projeto no menu Organizations na barra de navegação.

  2. Se ainda não estiver exibido, selecione seu projeto no menu Projects na barra de navegação.

  3. Na barra lateral, clique em Data Explorer sob o título Database.

  4. Expanda o banco de dados e selecione a coleção.

  5. Clique na guia Indexes da coleção.

  6. Clique no link Search and Vector Search no banner.

    A página Pesquisa & Pesquisa Vetorial é exibida.

6

Clique Create Search Index em.

7

Inicie a configuração do seu índice.

Faça as seguintes seleções na página e clique em Next.

Search Type

Selecione o tipo de índice MongoDB Search.

Index Name and Data Source

Especifique as seguintes informações:

  • Index Name: releasedAfter2000Index

  • Database and Collection:

    • sample_mflix
    • movies_ReleasedAfter2000

Configuration Method

Para uma experiência guiada,Visual Editor selecione.

Para editar a definição do índice,JSON Editor selecione.

IMPORTANTE: Seu índice de Full Text Search é denominado `'autoembed_index' por padrão. Se você estiver criando vários índices, recomendamos que mantenha uma convenção de nomenclatura descritiva consistente em seus índices.

8

Clique Create Search Index em.

O Atlas exibe um aviso breve e não interativo para informar que seu índice está sendo construído.

9

Verifique o status.

O índice recém-criado aparece na aba Atlas Search. Enquanto o índice está construindo, o campo Status lê Build in Progress. Quando o índice terminar de construir, o campo Status lê Active.

IMPORTANTE: collections maiores demoram mais tempo para indexar. Você receberá uma notificação por e-mail quando seu índice terminar a criação.

10

Vá para Search Tester.

Clique no botão Query à direita do índice para consultar.

11

Visualizar e editar a sintaxe da consulta.

Clique em Edit Query para visualizar uma amostra de sintaxe de consulta padrão no formato JSON.

12

Pesquise o índice parcial releasedAfter2000Index.

Observação

O exemplo a seguir consulta o índice releasedAfter2000Index executando o comando .aggregate na visualização chamada movies_ReleasedAfter2000. Se o seu cluster está executando o MongoDB v8.0, você deve consultar a coleção de origem (por exemplo, movies) usando o índice na visualização. Faça upgrade para o MongoDB v8.1+ para consultar a visualização diretamente.

[
  {
    "$search": {
      "index": "releasedAfter2000Index",
      "text": {
        "path": "title",
        "query": "foo"
      },
      "sort": {
        "released": 1
      }
    }
  }
]
SCORE: 3.120296001434326    _id:  “573a13d2f29313caabd929f8”
    awards: Object
    cast: Array (4)
    countries: Array (1)
    directors: Array (1)
    fullplot: "Rising from the ashes of Nirvana, the Foo Fighters became a Grammy-win…"
    genres: Array (2)
    imdb: Object
    languages: Array (1)
    lastupdated: "2015-08-19 00:00:25.937000000"
    num_mflix_comments: 0
    plot: "Rising from the ashes of Nirvana, the Foo Fighters became a Grammy-win…"
    poster: "https://m.media-amazon.com/images/M/MV5BMzE4OTczMTgxM15BMl5BanBnXkFtZT…"
    released: 2011-04-05T00:00:00.000+00:00
    runtime: 150
    title: "Foo Fighters: Back and Forth"
    tomatoes: Object
    type: "movie"
    year: 2011
1

Conecte-se à sua implantação do MongoDB mongosh usando.

Para saber mais, consulte Conectar-se a um cluster via mongosh.

2

Alternar para o banco de dados sample_mflix.

use sample_mflix
3

Crie uma visualização movies_ReleasedAfter2000.

db.createView(
  "movies_ReleasedAfter2000",
  "movies",
  [
    {
      $match: {
        $expr: {
          $gt: [
            "$released",
            ISODate("2000-01-01")
          ]
        }
      }
    }
  ]
)
4

Crie um índice de pesquisa MongoDB na visualização.

db.movies_ReleasedAfter2000.createSearchIndex(
  "releasedAfter2000Index",
  {
    "mappings": {
      "dynamic": true
    }
  }
)
5

Pesquise o índice parcial releasedAfter2000Index.

Observação

O exemplo a seguir consulta o índice releasedAfter2000Index executando o comando .aggregate na visualização chamada movies_ReleasedAfter2000. Se o seu cluster está executando o MongoDB v8.0, você deve consultar a coleção de origem (por exemplo, movies) usando o índice na visualização. Faça upgrade para o MongoDB v8.1+ para consultar a visualização diretamente.

db.movies_ReleasedAfter2000.aggregate([
  {
    $search: {
      index: "releasedAfter2000Index",
      text: {
        path: "title",
        query: "foo"
      },
      sort: {
        released: 1
      }
    }
  }
])
[
  {
    _id: ObjectId('573a13d2f29313caabd929f8'),
    plot: "Rising from the ashes of Nirvana, the Foo Fighters became a Grammy-winning sensation on their own. Sixteen years of the band's history comes to life in this documentary, from their demo ...",
    genres: [ 'Documentary', 'Music' ],
    runtime: 150,
    cast: [
      'Shawn Cloninger',
      'William Goldsmith',
      'Jessy Greene',
      'Dave Grohl'
    ],
    num_mflix_comments: 0,
    poster: 'https://m.media-amazon.com/images/M/MV5BMzE4OTczMTgxM15BMl5BanBnXkFtZTcwNTU1NjQxOA@@._V1_SY1000_SX677_AL_.jpg',
    title: 'Foo Fighters: Back and Forth',
    fullplot: `Rising from the ashes of Nirvana, the Foo Fighters became a Grammy-winning sensation on their own. Sixteen years of the band's history comes to life in this documentary, from their demo tapes through the creation of their 2011 album, "Wasting Light."`,
    languages: [ 'English' ],
    released: ISODate('2011-04-05T00:00:00.000Z'),
    directors: [ 'James Moll' ],
    awards: { wins: 1, nominations: 1, text: '1 win & 1 nomination.' },
    lastupdated: '2015-08-19 00:00:25.937000000',
    year: 2011,
    imdb: { rating: 8.4, votes: 3745, id: 1853563 },
    countries: [ 'USA' ],
    type: 'movie',
    tomatoes: {
      viewer: { rating: 4.4, numReviews: 857, meter: 96 },
      dvd: ISODate('2011-08-08T00:00:00.000Z'),
      website: 'http://us.foofightersfilm.com/',
      production: 'Cinedigm Digital Cinema',
      lastUpdated: ISODate('2015-09-12T18:42:01.000Z')
    }
  }
]

Adicionar ou Modificar Campos

Adicione ou modifique campos usando uma visualização.

O exemplo a seguir permite pesquisar na coleção sample_airbnb.listingsAndReviews para instalações com base em um novo campo totalPrice , que é a soma dos campos price e cleaningFee . Além disso, como o MongoDB Search não suporta Decimal128 tipos, transformamos os valores em Double.

1

Conecte ao cluster utilizando mongosh.

Para saber mais, consulte Conectar-se a um cluster via mongosh.

2

Alternar para o banco de dados sample_airbnb.

use sample_airbnb
3

Crie uma visualização listingsAndReviews_totalPrice.

db.createView(
  "listingsAndReviews_totalPrice",
  "listingsAndReviews",
  [
    {
      $addFields: {
        totalPrice: {
          $add: [
            {
              $ifNull: [{ $toDouble: "$price" }, 0]
            },
            {
              $ifNull: [{ $toDouble: "$cleaning_fee" }, 0]
            }
          ]
        }
      }
    }
  ]
)
4

No Atlas, vá para a página Clusters do seu projeto.

  1. Se ainda não tiver sido exibido, selecione a organização que contém seu projeto no menu Organizations na barra de navegação.

  2. Se ainda não estiver exibido, selecione o projeto desejado no menu Projects na barra de navegação.

  3. Na barra lateral, clique em Clusters sob o título Database.

A página Clusters é exibida.

5

In Atlas, vá para a página Search & Vector Search para seu cluster.

Você pode acessar a página de pesquisa do MongoDB a partir da opção Search & Vector Search ou do Data Explorer.

  1. Se ainda não tiver sido exibido, selecione a organização que contém seu projeto no menu Organizations na barra de navegação.

  2. Se ainda não estiver exibido, selecione seu projeto no menu Projects na barra de navegação.

  3. Na barra lateral, clique em Search & Vector Search sob o título Database.

    • Se você não tiver clusters, clique em Create cluster para criar um. Para saber mais, consulte Criar um cluster.

    • Se o seu projeto tiver vários clusters, selecione o cluster que deseja usar no menu suspenso Select cluster e clique em Go to Search.

    A página Pesquisa & Pesquisa Vetorial é exibida.

  1. Se ainda não tiver sido exibido, selecione a organização que contém seu projeto no menu Organizations na barra de navegação.

  2. Se ainda não estiver exibido, selecione seu projeto no menu Projects na barra de navegação.

  3. Na barra lateral, clique em Data Explorer sob o título Database.

  4. Expanda o banco de dados e selecione a coleção.

  5. Clique na guia Indexes da coleção.

  6. Clique no link Search and Vector Search no banner.

    A página Pesquisa & Pesquisa Vetorial é exibida.

6

Clique em Create Search Index para iniciar a configuração do índice.

Faça as seguintes seleções na página e clique em Next.

Search Type

Selecione o tipo de índice MongoDB Search.

Index Name and Data Source

Especifique as seguintes informações:

  • Index Name: totalPriceIndex

  • Database and Collection:

    • sample_airbnb
    • listingsAndReviews_totalPrice

Configuration Method

Selecione JSON Editor para editar a definição do índice bruto.

7

Edite a definição do índice.

Copie e cole a seguinte definição de índice para substituir a definição de índice padrão na IU:

{
    "mappings": {
        "dynamic": true
    },
    "storedSource": {
        "include": [
        "totalPrice"
        ]
    }
}
8

Clique Create Search Index em.

O Atlas exibe um aviso breve e não interativo para informar que seu índice está sendo construído.

9

Verifique o status.

O índice recém-criado aparece na aba Atlas Search. Enquanto o índice está construindo, o campo Status lê Build in Progress. Quando o índice terminar de construir, o campo Status lê Active.

IMPORTANTE: collections maiores demoram mais tempo para indexar. Você receberá uma notificação por e-mail quando seu índice terminar a criação.

10

Vá para Search Tester.

Clique no botão Query à direita do índice para consultar.

11

Visualizar e editar a sintaxe da consulta.

Clique em Edit Query para visualizar uma amostra de sintaxe de consulta padrão no formato JSON.

12

Execute uma consulta no índice totalPriceIndex.

Observação

O exemplo a seguir consulta o índice totalPriceIndex executando o comando .aggregate na visualização chamada listingsAndReviews_totalPrice. Se o seu cluster está executando o MongoDB v8.0, você deve consultar a coleção de origem (por exemplo, listingsAndReviews) usando o índice na visualização. Faça upgrade para o MongoDB v8.1+ para consultar a visualização diretamente.

[
  {
    "$search": {
      "index": "totalPriceIndex",
      "range": {
        "path": "totalPrice",
        "lte": 300
      },
      "returnStoredSource": true
    }
  }
]
SCORE: 1    _id:  "10006546"
    totalPrice: 115
SCORE: 1    _id:  "1001265"
    totalPrice: 215
SCORE: 1    _id:  "10021707"
    totalPrice: 40
SCORE: 1    _id:  "1003530"
    totalPrice: 270
SCORE: 1    _id:  "10038496"
    totalPrice: 269
SCORE: 1    _id:  "10051164"
    totalPrice: 250
SCORE: 1    _id:  "10057447"
    totalPrice: 50
SCORE: 1    _id:  "10057826"
    totalPrice: 205
SCORE: 1    _id:  "10059244"
    totalPrice: 43
SCORE: 1    _id:  "10066928"
    totalPrice: 140
1

Conecte-se à sua MongoDB implantação usando mongosh.

Para saber mais, consulte Conectar-se a um cluster via mongosh.

2

Alternar para o banco de dados sample_airbnb.

use sample_airbnb
3

Crie uma visualização listingsAndReviews_totalPrice.

db.createView(
  "listingsAndReviews_totalPrice",
  "listingsAndReviews",
  [
    {
      $addFields: {
        totalPrice: {
          $add: [
            {
              $ifNull: [{ $toDouble: "$price" }, 0]
            },
            {
              $ifNull: [{ $toDouble: "$cleaning_fee" }, 0]
            }
          ]
        }
      }
    }
  ]
)
4

Crie um índice de pesquisa MongoDB na visualização.

db.listingsAndReviews_totalPrice.createSearchIndex(
  "totalPriceIndex",
  {
    "mappings": {
      "dynamic": true
    },
    "storedSource": {
      "include": [
        "totalPrice"
      ]
    }
  }
)
5

Execute uma consulta no índice totalPriceIndex.

Observação

O exemplo a seguir consulta o índice totalPriceIndex executando o comando .aggregate na visualização chamada listingsAndReviews_totalPrice. Se o seu cluster está executando o MongoDB v8.0, você deve consultar a coleção de origem (por exemplo, listingsAndReviews) usando o índice na visualização. Faça upgrade para o MongoDB v8.1+ para consultar a visualização diretamente.

db.listingsAndReviews_totalPrice.aggregate([
  {
    $search: {
      index: "totalPriceIndex",
      range: {
        path: "totalPrice",
        lte: 300
      },
      returnStoredSource: true
    }
  }
])
[
  { _id: '10006546', totalPrice: 115 },
  { _id: '1001265', totalPrice: 215 },
  { _id: '10021707', totalPrice: 40 },
  { _id: '1003530', totalPrice: 270 },
  { _id: '10038496', totalPrice: 269 },
  { _id: '10051164', totalPrice: 250 },
  { _id: '10057447', totalPrice: 50 },
  { _id: '10057826', totalPrice: 205 },
  { _id: '10059244', totalPrice: 43 },
  { _id: '10066928', totalPrice: 140 },
  { _id: '10082422', totalPrice: 60 },
  { _id: '10083468', totalPrice: 40 },
  { _id: '10084023', totalPrice: 231 },
  { _id: '10091713', totalPrice: 231 },
  { _id: '10092679', totalPrice: 58 },
  { _id: '10096773', totalPrice: 205 },
  { _id: '10112159', totalPrice: 90 },
  { _id: '10117617', totalPrice: 55 },
  { _id: '10120414', totalPrice: 150 },
  { _id: '10133554', totalPrice: 121 }
]

Configurar padrão de nomeação Regex

Configure a indexação dinâmica para campos com padrões de nomeação usando regex.

Para indexar campos que correspondam a um padrão de nomeação, use uma visualização para transformar os dados de forma que os campos a serem indexados estejam aninhados em um subdocumento. Isso permite usar mapeamentos dinâmicos para o caminho do subdocumento de modo que você possa automaticamente fazer a pesquisa de todos os novos campos com o sufixo _type, sem nenhuma alteração na definição do índice.

O seguinte View chamado listings_SearchableTypes corresponde apenas a nomes de campos que terminam com _type na coleção sample_airbnb.listingsAndReviews . Especificamente, o estágio $set adiciona um novo campo chamado searchable_types, que contém os campos filtrados com o termo _type no nome do campo. O $arrayToObject contém a entrada do filtro (documento inteiro) e a condição (correspondência regex para _type).

1

Conecte-se ao seu cluster usando mongosh.

Para saber mais, consulte Conectar-se a um cluster via mongosh.

2

Alternar para o banco de dados sample_airbnb.

use sample_airbnb
3

Crie uma visualização chamada listings_SearchableTypes.

1db.createView(
2  "listings_SearchableTypes",
3  "listingsAndReviews",
4    [
5      {
6        "$set": {
7          "searchable_types": {
8            "$arrayToObject": {
9              "$filter": {
10                "input": { "$objectToArray": "$$ROOT" },
11                "cond": { 
12                  "$regexMatch": { 
13                    "input": "$$this.k", 
14                    "regex": /_type$/
15                  }
16                }
17              }
18            }
19          }
20        }
21      }
22    ]
23)
4

No Atlas, vá para a página Clusters do seu projeto.

  1. Se ainda não tiver sido exibido, selecione a organização que contém seu projeto no menu Organizations na barra de navegação.

  2. Se ainda não estiver exibido, selecione o projeto desejado no menu Projects na barra de navegação.

  3. Na barra lateral, clique em Clusters sob o título Database.

A página Clusters é exibida.

5

In Atlas, vá para a página Search & Vector Search para seu cluster.

Você pode acessar a página de pesquisa do MongoDB a partir da opção Search & Vector Search ou do Data Explorer.

  1. Se ainda não tiver sido exibido, selecione a organização que contém seu projeto no menu Organizations na barra de navegação.

  2. Se ainda não estiver exibido, selecione seu projeto no menu Projects na barra de navegação.

  3. Na barra lateral, clique em Search & Vector Search sob o título Database.

    • Se você não tiver clusters, clique em Create cluster para criar um. Para saber mais, consulte Criar um cluster.

    • Se o seu projeto tiver vários clusters, selecione o cluster que deseja usar no menu suspenso Select cluster e clique em Go to Search.

    A página Pesquisa & Pesquisa Vetorial é exibida.

  1. Se ainda não tiver sido exibido, selecione a organização que contém seu projeto no menu Organizations na barra de navegação.

  2. Se ainda não estiver exibido, selecione seu projeto no menu Projects na barra de navegação.

  3. Na barra lateral, clique em Data Explorer sob o título Database.

  4. Expanda o banco de dados e selecione a coleção.

  5. Clique na guia Indexes da coleção.

  6. Clique no link Search and Vector Search no banner.

    A página Pesquisa & Pesquisa Vetorial é exibida.

6

Clique em Create Search Index para iniciar a configuração do índice.

Faça as seguintes seleções na página e clique em Next.

Search Type

Selecione o tipo de índice MongoDB Search.

Index Name and Data Source

Especifique as seguintes informações:

  • Index Name: listingsSearchableTypes

  • Database and Collection:

    • sample_airbnb
    • listings_SearchableTypes

Configuration Method

Selecione JSON Editor para editar a definição do índice bruto.

7

Edite a definição do índice.

Copie e cole a seguinte definição de índice para substituir a definição de índice padrão na IU:

{
  "analyzer": "lucene.standard",
  "searchAnalyzer": "lucene.standard",
  "mappings": {
    "dynamic": false,
    "fields": {
      "searchable_types": [
        {
          "dynamic": {
            "typeSet": "tokenTypeSet"
          },
          "type": "document"
        }
      ]
    }
  },
  "typeSets": [
    {
      "name": "tokenTypeSet",
      "types": [
        {
          "type": "token"
        }
      ]
    }
  ]
}
8

Clique Create Search Index em.

O Atlas exibe um aviso breve e não interativo para informar que seu índice está sendo construído.

9

Verifique o status.

O índice recém-criado aparece na aba Atlas Search. Enquanto o índice está construindo, o campo Status lê Build in Progress. Quando o índice terminar de construir, o campo Status lê Active.

IMPORTANTE: collections maiores demoram mais tempo para indexar. Você receberá uma notificação por e-mail quando seu índice terminar a criação.

10

Vá para Search Tester.

Clique no botão Query à direita do índice para consultar.

11

Visualizar e editar a sintaxe da consulta.

Clique em Edit Query para visualizar uma amostra de sintaxe de consulta padrão no formato JSON.

12

Faça uma query na visualização.

A seguinte query pesquisa a visualização chamada listings_SearchableTypes por house com um private room. Para executar esta query, copie e cole-a e clique em Search:

[
  {
    "$search": {
      "index": "listingsSearchableTypes",
      "compound": {
        "should": [
          {
            "text": {
              "path": "searchable_types.property_type",
              "query": "House"
            }
          },
          {
            "text": {
              "path": "searchable_types.room_type",
              "query": "Private room"
            }
          }
        ]
      }
    }
  }
]
SCORE: 2.0530142784118652   _id:  "10051164"
    name: "Catete's Colonial Big Hause Room B",
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    
SCORE: 2.0530142784118652   _id:  "1016739"
    name: 'Private Room (2)  in Guest House at Coogee Beach',
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
SCORE: 2.0530142784118652   _id:  "10324377"
    name: 'Suíte em local tranquilo e seguro',
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
SCORE: 2.0530142784118652   _id:  "1073607"
    name: 'Bright Inner West Terrace Value+',
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
SCORE: 2.0530142784118652   _id:  "1077686"
    name: 'BALAT',
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
SCORE: 2.0530142784118652   _id:  "10990260"
    name: 'The Executive  Posh Room',
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
SCORE: 2.0530142784118652   _id:  "10992286"
    name: 'Holoholo Inn: Rain Forest (Priv-2)',
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
SCORE: 2.0530142784118652   _id:  "11396243"
    name: 'Beautiful Ensuite Room -Easy access to city',
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
SCORE: 2.0530142784118652   _id:  "1145567"
    name: 'ROOM + ENSUITE INNER CITY MOD HOUSE',
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
SCORE: 2.0530142784118652   _id:  "11464859"
    name: 'The Sassy Lilac Megan Love Room',
    searchable_types: Object
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
1

Conecte-se à sua implantação do MongoDB mongosh usando.

Para saber mais, consulte Conectar-se a um cluster via mongosh.

2

Alternar para o banco de dados sample_airbnb.

use sample_airbnb
3

Crie uma visualização listings_SearchableTypes.

db.createView(
  "listings_SearchableTypes",
  "listingsAndReviews",
    [
      {
        "$set": {
          "searchable_types": {
            "$arrayToObject": {
              "$filter": {
                "input": { "$objectToArray": "$$ROOT" },
                "cond": { 
                  "$regexMatch": { 
                    "input": "$$this.k", 
                    "regex": /_type$/
                  }
                }
              }
            }
          }
        }
      }
    ]
)
4

Crie um índice de pesquisa MongoDB na visualização.

A seguinte definição de índice no View chamado listingsSearchableTypes configura um typeSet para indexar automaticamente todos os campos no documento searchable_types como o tipo string. Se você adicionar novos campos que correspondam a esse padrão, o MongoDB Search também indexará automaticamente esses campos.

db.listings_SearchableTypes.createSearchIndex(
  "listingsSearchableTypes",
  {
    "analyzer": "lucene.standard",
    "searchAnalyzer": "lucene.standard",
    "mappings": {
      "dynamic": false,
      "fields": {
        "searchable_types": [
          {
            "type": "document",
            "dynamic": {
                "typeSet": "tokenTypeSet"
            }
          }
        ]
      }
    },
    "typeSets": [
      {
        "name": "tokenTypeSet",
        "types": [
          {
            "type": "token"
          }
        ]
      }
    ]
  }
)
5

Execute uma consulta no índice totalPriceIndex.

Observação

O exemplo a seguir consulta o índice listingsSearchableTypes executando o comando .aggregate na visualização chamada listings_SearchableTypes. Se o seu cluster está executando o MongoDB v8.0, você deve consultar a coleção de origem (por exemplo, listingsAndReviews) usando o índice na visualização. Faça upgrade para o MongoDB v8.1+ para consultar a visualização diretamente.

A seguinte query pesquisa a visualização chamada listings_SearchableTypes por house com um private room.

db.listings_SearchableTypes.aggregate([
  {
    "$search": {
      "index": "listingsSearchableTypes",
      "compound": {
        "should": [
          {
            "equals": {
              "path": "searchable_types.property_type",
              "value": "House"
            }
          },
          {
            "equals": {
              "path": "searchable_types.room_type",
              "value": "Private room"
            }
          }
        ]
      }
    }
  },
  {
    "$limit": 10
  },
  {
    "$project": {
      "_id": 0,
      "searchable_types": 1,
      "name": 1 
    }
  }
])
[
  {
    name: "Catete's Colonial Big Hause Room B",
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  },
  {
    name: 'Private Room (2)  in Guest House at Coogee Beach',
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  },
  {
    name: 'Suíte em local tranquilo e seguro',
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  },
  {
    name: 'Bright Inner West Terrace Value+',
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  },
  {
    name: 'BALAT',
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  },
  {
    name: 'The Executive  Posh Room',
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  },
  {
    name: 'Holoholo Inn: Rain Forest (Priv-2)',
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  },
  {
    name: 'Beautiful Ensuite Room -Easy access to city',
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  },
  {
    name: 'ROOM + ENSUITE INNER CITY MOD HOUSE',
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  },
  {
    name: 'The Sassy Lilac Megan Love Room',
    searchable_types: {
      property_type: 'House',
      room_type: 'Private room',
      bed_type: 'Real Bed'
    }
  }
]

Editar uma visualização

O exemplo a seguir atualiza a visualização movies_ReleasedAfter2000 do MongoDB para filmes anteriores a 2000.

db.runCommand(
{
    collMod: "movies_ReleasedAfter2000",
    viewOn: "movies",
    "pipeline": [
      {
        $match: {
          $expr: {
            $lt: [
              "$released",
              ISODate("2000-01-01T00")
            ]
          }
        }
      }
    ]
  }
)

Depois que você executa esse comando, o MongoDB Search detecta automaticamente a alteração na definição da visualização e executa a reindexação sem tempo de inatividade.

Retornar os pipelines para uma visualização

O exemplo a seguir retorna os pipelines na visualização movies_ReleasedAfter2000.

db.getCollectionInfos({ name: "movies_ReleasedAfter2000" })[0].options.pipeline
[
  {
    '$match': {
      '$expr': { '$gt': [ '$released', ISODate('2000-01-01T00:00:00.000Z') ] }
    }
  }
]

Considerações de desempenho

Transformações de exibição altamente complexas podem aumentar o tempo de indexação e query. Isso ocorre porque o mongod deve ler a definição de visualização quando filtra e transforma as entradas de oplog durante a indexação (sincronização inicial e replicação de estado estável) e quando aplica essas transformações aos documentos retornados no momento da query.

Considere criar uma visualização materializada para evitar carga extra de replicação no Atlas. Você também pode consultar a coleção de origem diretamente para evitar a latência de consulta a partir da transformação de visualização.

Solução de problemas

Índices mudam para FAILED

Os índices mudam para o status FAILED nos seguintes cenários:

  • Você cria um índice em uma visualização que é incompatível com a pesquisa do MongoDB .

  • Você edita uma visualização de uma forma que não atende aos requisitos de compatibilidade da MongoDB Search.

  • Você remove ou altera a coleção de origem de uma visualização.

    Por exemplo, se uma visualização for criada sobre outra visualização e você alterar a fonte da visualização pai para outra coleção.

    Observação

    Essa limitação também se aplica se uma visualização for descendente de outras visualizações. Por exemplo, você não pode alterar ou remover a coleção de origem da qual todos os descendentes se originam.

Índices mudam para STALE

Os índices mudam para o status STALE nos seguintes cenários:

Aviso

Se o pipeline de agregação definido na sua visualização for incompatível com os documentos da coleção, a replicação de pesquisa falhará. Por exemplo, se uma expressão $toDouble atuar em um campo de documento que contém uma array, a replicação falha. Certifique-se de que sua visualização funcione com todos os documentos na coleção sem erros.

  • Se a definição da visualização causar uma falha de agregação enquanto um índice for READY, o índice se tornará STALE. O índice retornará para READY depois que você resolver o documento ou alterar a definição de visualização para que ela não falhe mais. Quando STALE, o índice permanece consultável. Se o índice cair do oplog, uma reconstrução do índice será acionada.

  • Se a definição de visualização causar uma falha no pipeline de agregação enquanto o índice estiver BUILDING, a construção do índice ficará travada até que você corrija o documento. O índice retornará para READY após você resolver o documento ou modificar a definição de exibição para que não falhe mais.

Você pode visualizar os status do índice na IU do Atlas na página de detalhes do status do índice.

Erro: $search é válido apenas como o primeiro estágio de um pipeline

Esse erro aparece quando você faz query de uma visualização usando uma versão do MongoDB anterior a 8.1.

  • Se você usa uma versão do MongoDB anterior a 8.0, recomendamos que atualize para 8.1+ para consultar a visualização diretamente. Você pode atualizar para 8.0 para consultar a coleção de origem.

  • Se você usar o MongoDB 8.0, deverá consultar o índice de visualização em relação à collection de origem. Por exemplo, execute .aggregate() na collection em vez de na visualização.

Processo de índice

Quando você cria um índice do MongoDB Search em uma visualização, o processo mongot executa as mesmas tarefas de quando você cria um índice do MongoDB Search em uma collection regular. O processo do mongot:

  1. Cria índices de pesquisa do MongoDB com base nas regras na index definition para a collection.

  2. Monitora change streams para o estado atual dos documentos e índices para as collections para as quais você definiu os índices de pesquisa do MongoDB .

  3. Processa queries do MongoDB Search e retorna os IDs dos documento e outros metadados da pesquisa para os documentos correspondentes para mongod, que então faz uma pesquisa completa do documento e retorna os resultados ao cliente.

Quando você cria um índice de pesquisa do MongoDB em uma Visualização, a definição da Visualização é aplicada durante as Etapas 1 e 2, e os documentos transformados são indexados com base na definição do índice de pesquisa e, em seguida, armazenados em disco.

Saiba mais

Para saber mais sobre visualizações, consulte Visualizações.

Para criar um índice do MongoDB pesquisa vetorial em uma visualização, consulte Usar visualizações com o MongoDB pesquisa vetorial.

Voltar

Múltiplas coleções

Próximo

Compatibilidade e limitações

Nesta página