MongoDB聚合$lookup中使用$regexMatch实现子串匹配关联查询

直接用管道模式的$lookup就能在关联阶段同时完成外键匹配和消息正文的子串过滤，避免全量关联后再过滤的性能浪费，针对给出的测试数据和需求，可直接运行的聚合代码如下：

// 待匹配的目标子串
const searchKeyword = "day";
db.patients.aggregate([
  {
    $lookup: {
      from: "messages",
      // 将当前患者文档的_id定义为关联管道内可引用的变量
      let: { patientId: "$_id" },
      pipeline: [
        {
          $match: {
            $expr: {
              $and: [
                // 关联条件：消息由当前患者创建
                { $eq: ["$createdByPatient", "$$patientId"] },
                // 子串匹配：消息正文包含目标关键词，需要忽略大小写可追加options: "i"
                { $regexMatch: { input: "$body", regex: searchKeyword } }
              ]
            }
          }
        },
        // 单患者有多条匹配消息时，取最新的1条（ObjectId自带时间戳，按_id倒序即按创建时间倒序）
        { $sort: { _id: -1 } },
        { $limit: 1 }
      ],
      as: "matchedMessages"
    }
  },
  // 过滤掉没有任何匹配消息的患者
  {
    $match: {
      "matchedMessages.0": { $exists: true }
    }
  },
  // 调整输出结构，对齐预期的lastMessage字段格式
  {
    $addFields: {
      lastMessage: { $arrayElemAt: ["$matchedMessages", 0] }
    }
  },
  // 移除中间过程生成的临时字段
  {
    $project: {
      matchedMessages: 0
    }
  }
])

关键实现说明 #

• 没有使用localField/foreignField的简化$lookup写法，是因为简化写法不支持在关联时追加自定义过滤条件。通过let传参的管道式关联，可以在拉取messages表数据时直接完成双重过滤，只查询符合要求的消息，性能远高于先全量关联再过滤的写法。
• $regexMatch是MongoDB 4.2及以上版本原生支持的聚合正则操作符，直接在管道内完成子串匹配，执行效率远高于$where类的脚本查询。
• 关联管道内的$sort + $limit是为了适配单患者多条匹配消息的场景，直接在关联阶段取到最新的匹配消息，避免后续处理大数组的开销。如果业务需要返回患者所有匹配的消息，删掉这两个阶段，调整后续投影逻辑直接返回关联得到的消息数组即可。
• 过滤无匹配患者时判断matchedMessages.0是否存在，比用$size计算数组长度的执行效率更高，不需要遍历整个数组。

以上述测试数据为例，传入子串day执行聚合，返回结果和预期输出完全一致。

内容的提问来源于stack exchange，提问作者insivika