Kuinka tekstitietojen haku toimii MongoDBssa?

Question

Accepted Answer

MongoDB tarjoaa **tekstitietohakua** **teksti-indeksien** avulla — hakee merkkijonojen sisällöstä sanoja stemmauksella ja relevanssiskorauksella. Se on kyvykkäämpi kuin tarkka vastaavuus tai regex sanapohjaiselle haulle, vaikka edistyneisiin hakutarpeisiin MongoDBn Atlas Search (Lucene-pohjainen) tai erillinen hakumoottori usein riittää paremmin.

## Teksti-indeksin luominen ja haku

```js
// create a TEXT index on field(s)
db.articles.createIndex({ title: "text", body: "text" });   // index text content

// search using $text
db.articles.find({ $text: { $search: "mongodb database" } });
// → finds documents containing "mongodb" OR "database" (with stemming)

db.articles.find({ $text: { $search: "\"exact phrase\"" } });  // phrase search (quotes)
db.articles.find({ $text: { $search: "mongodb -mysql" } });    // exclude a term (-)
```

**Teksti-indeksi** mahdollistaa `$text`-haut, jotka vastaavat sanoja (stemmauksella — "running" vastaa "run"), tukevat fraaseja (lainausmerkeissä) ja poissulkemista (`-term`) — paljon kyvykkäämpi kuin tarkka vastaavuus.

## Relevanssiskroaus ja lajittelu

```js
// sort results by relevance using the text score
db.articles.find(
  { $text: { $search: "mongodb" } },
  { score: { $meta: "textScore" } }          // include the relevance score
).sort({ score: { $meta: "textScore" } });    // sort by relevance (most relevant first)
```

Tekstihaku tarjoaa **relevanssiskroauksen** (`textScore`), joten voit järjestää tulokset sen mukaan, kuinka hyvin ne vastaavat — tärkeää haun laadun kannalta.

## Rajoitukset ja vaihtoehdot

```text
MongoDB's built-in text search:
  ✓ Good for basic word search with stemming and relevance in a single language
  ✗ Limited: only ONE text index per collection, limited language/feature support,
    no fuzzy matching, autocomplete, or advanced relevance tuning

For richer search:
  → MongoDB ATLAS SEARCH (built on Apache Lucene) — full-text search with fuzzy matching,
    autocomplete, faceting, advanced relevance (the recommended approach on Atlas)
  → Or a dedicated search engine (Elasticsearch) for complex needs
```

## Regex vs tekstihaku

```text
Regex (/pattern/) → pattern matching, but no stemming/relevance, often can't use indexes
  efficiently (slow for "contains" searches) — fine for simple prefix matches
Text search → word-based, stemmed, ranked, indexed — better for actual word search
```

## Miksi sillä on merkitystä

Tekstihaku on hyödyllinen MongoDB-ominaisuus **hakutoiminnallisuuden toteuttamiseen**, ja sen ymmärtäminen — myös rajoitusten ja vaihtoehtojen osalta — on arvokas sovelluksille, joiden täytyy hakea tekstitietoja.

MongoDBn sisäänrakennetut **teksti-indeksit** `$text`-operaation kanssa tarjoavat sanapohjaiset haut **stemmauksella** (vastaavat sanan variaatioita kuten "running"/"run"), fraasi- ja poissulkemistuen sekä **relevanssiskroauksen** (tulosten järjestäminen sovituksen laadun perusteella) — kyvykkäämpi kuin tarkka vastaavuus tai regex varsinaiselle sanahaulla, ja indeksoitu (tehokas).

Tämän ymmärtäminen mahdollistaa perushaun toteuttamisen suoraan MongoDBssa.

Yhtä tärkeää on ymmärtää **rajoitukset** (vain yksi teksti-indeksi kokoelmaa kohti, rajoitetut ominaisuudet, ei fuzzy-hakua tai automaattiehdotusta) ja **vaihtoehdot**: **MongoDB Atlas Search** (Apache Lucenen pohjalta, tarjoaa monipuolisen täystekstihakun fuzzy-haulla, automaattiehdotuksella ja edistyneellä relevanssilla — suositeltu lähestymistapa vakavaan hakuun Atlaksella) tai erillinen hakumoottori (Elasticsearch) monimutkaisiin tarpeisiin.

Tietämys siitä, milloin perusitekstihaku riittää ja milloin käytetään Atlas Searchia tai erillistä moottoria, kuvastaa hyvää arviointikykyä.

Arvokas on myös ymmärtää **regex vs tekstihaku** (regex yksinkertaiselle kuvioiden hakuun, mutta ilman stemmausta/relevanssilla ja usein tehottomasti; tekstihaku varsinaiselle sanapohjaiselle haulle).

Koska haku on yleinen sovellustoiminnon vaatimus, ja koska MongoDB tarjoaa sisäänrakennetun tekstihakun (riittävä perustarpeisiin) selkeine rajoituksine ja parempine vaihtoehtoina (Atlas Search) rikkaille tarpeille, MongoDBn tekstihakujen ymmärtäminen — teksti-indeksin ominaisuus, sen rajoitukset ja vaihtoehdot — on arvokas, käytännöllisesti merkityksellinen tieto hakutoiminnallisuuden toteuttamiseen MongoDB-sovelluksissa ja oikean hakutavan valitsemiseen vaatimusten mukaisesti.