MongoDB多关联字段文本搜索结果不一致问题排查与解决

集合结构 #

db.getCollection("MyColl").insertMany([
    {
        text: "bread", 
        language: "en", 
        keywords: ["food"], 
        tags: ["foods"], 
        text_translations: {
            "tr": "ekmek"
        }
    },
    {
        text: "ekmek", 
        language: "tr", 
        keywords: ["baking", "foods", "link"], 
        tags: ["foods", "link"], 
        text_translations: {
            "en": "bread"
        }
    },
])

索引定义 #

db.getCollection("MyColl").createIndex(
{
    "text_translations.tr": "text",
    "text_translations.en": "text",
    text: "text",
    keywords: "text",
    tags: "text"
},
{
    name: "MyIndex",
    weights: {
        "text_translations.tr": 30,
        "text_translations.en": 30,
        text: 20,
        keywords: 14,
        tags: 14
    }
})

查询与结果 #

查询1 #

db.getCollection("MyColl").find({
    $text: {
        $search: "ekmek"
    }
})

返回两个文档，符合预期。

查询2 #

db.getCollection("MyColl").find({
    $text: {
        $search: "bread"
    }
})

仅返回text="bread"的文档，未返回另一个文档。

问题 #

为何搜索"ekmek"能返回两个文档，搜索"bread"却只能返回一个？该如何解决？

已尝试方案 #

• 将索引键字段缩减为仅text_translations.*字段
• 使用通配符文本索引
• 调整索引的权重参数

以上尝试均无效果。

系统信息 #

• Kubernetes部署的单实例MongoDB
• 版本：4.1.13

问题原因 #

MongoDB文本索引的分析逻辑会受文档的language字段影响：当文档包含language字段时，默认会使用该语言的分析器处理文档内所有文本索引字段，除非在索引定义中为字段单独指定语言。

第二个文档的language为"tr"（土耳其语），导致text_translations.en字段的"bread"被土耳其语分析器处理。土耳其语分析器无法识别英语单词"bread"，不会将其作为有效索引词，因此该字段无法被"bread"的搜索命中。

而第一个文档的language为"en"（英语），text_translations.tr字段的"ekmek"属于英语分析器无法识别的外来词，会被直接索引，因此搜索"ekmek"时能匹配到该字段，同时匹配第二个文档的text字段，最终返回两个结果。

解决方法 #

在创建文本索引时，为每个翻译字段明确指定对应的语言，避免文档的language字段干扰翻译字段的分析逻辑：

db.getCollection("MyColl").createIndex(
{
    "text_translations.tr": { type: "text", language: "tr" },
    "text_translations.en": { type: "text", language: "en" },
    text: "text",
    keywords: "text",
    tags: "text"
},
{
    name: "MyIndex",
    weights: {
        "text_translations.tr": 30,
        "text_translations.en": 30,
        text: 20,
        keywords: 14,
        tags: 14
    }
})

如果需要保留文档language字段对text、keywords、tags等字段的分析影响，上述定义方式完全适用——仅为翻译字段指定专属语言分析器，其他字段仍遵循文档的language设置。

创建新索引后，重新执行查询2即可返回两个预期文档。

内容的提问来源于stack exchange，提问作者Umut Özdoğan