如何使用Mongoose的aggregate实现分组后的搜索过滤功能？

你当前的代码已经实现了搜索需求，但确实可以通过Mongoose的aggregate管道直接完成过滤逻辑，把计算压力从服务端内存转移到数据库，提升性能（尤其是数据量较大时）。下面是具体的优化方案：

原代码回顾 #

const getQuoteAuthorSearchedResult = async (req, res) => {
  try {
    const searchWord = req.params.searchWord

    const uniqueQuoteAuthors = await QuoteModel.aggregate().group({
      _id: "$author",
      count: { $sum: 1 },
    });

    const filteredData = await uniqueQuoteAuthors.filter((value) => {
      return value._id.toLowerCase().includes(searchWord.toLowerCase());
    });

    res.status(200).json({
      results: filteredData
    })
  } catch (error) {
    res.status(401).json({ success: false });
  }
};

优化方案：用Aggregate管道完成过滤+分组 #

方案1：先过滤再分组（推荐，性能更优） #

先通过$match阶段筛选出包含关键词的作者文档，再进行分组统计，数据库只处理符合条件的数据，减少不必要的计算：

const getQuoteAuthorSearchedResult = async (req, res) => {
  try {
    const searchWord = req.params.searchWord;
    // 构造不区分大小写的正则表达式
    const searchRegex = new RegExp(searchWord, 'i');

    const filteredData = await QuoteModel.aggregate([
      // 第一步：匹配包含关键词的作者
      {
        $match: {
          author: searchRegex
        }
      },
      // 第二步：分组统计每个作者的引用数量
      {
        $group: {
          _id: "$author",
          count: { $sum: 1 }
        }
      }
    ]);

    res.status(200).json({ results: filteredData });
  } catch (error) {
    res.status(500).json({ success: false, error: error.message });
  }
};

方案2：先分组再过滤（与原逻辑一致，性能稍差） #

如果需要保留「先获取所有唯一作者，再过滤」的逻辑，也可以在$group之后添加$match阶段：

const getQuoteAuthorSearchedResult = async (req, res) => {
  try {
    const searchWord = req.params.searchWord;
    const searchRegex = new RegExp(searchWord, 'i');

    const filteredData = await QuoteModel.aggregate([
      {
        $group: {
          _id: "$author",
          count: { $sum: 1 }
        }
      },
      // 在分组结果中过滤符合条件的作者
      {
        $match: {
          _id: searchRegex
        }
      }
    ]);

    res.status(200).json({ results: filteredData });
  } catch (error) {
    res.status(500).json({ success: false, error: error.message });
  }
};

进阶方案：MongoDB Atlas全文搜索（复杂场景适用） #

如果需要更强大的搜索能力（比如分词、模糊匹配、容错处理），可以使用MongoDB Atlas的全文搜索功能，提前创建针对author字段的全文索引后，用$search阶段实现：

const getQuoteAuthorSearchedResult = async (req, res) => {
  try {
    const searchWord = req.params.searchWord;

    const filteredData = await QuoteModel.aggregate([
      {
        $search: {
          index: 'author_search', // 提前在Atlas控制台创建的全文索引名称
          text: {
            query: searchWord,
            path: 'author',
            fuzzy: { maxEdits: 1 } // 允许1个字符的拼写错误，提升搜索容错性
          }
        }
      },
      {
        $group: {
          _id: "$author",
          count: { $sum: 1 }
        }
      }
    ]);

    res.status(200).json({ results: filteredData });
  } catch (error) {
    res.status(500).json({ success: false, error: error.message });
  }
};

优化优势 #

• 减少服务端内存占用：不需要把所有分组结果加载到内存再过滤
• 提升性能：数据库层面的过滤和分组利用了MongoDB的查询优化，比内存过滤效率更高
• 可扩展性：支持更复杂的搜索逻辑（如全文搜索）

内容的提问来源于stack exchange，提问作者Nasem