MongoDB Atlas Search 如何基于searchScore高效过滤查询结果

你当前写法性能慢的核心原因是过滤逻辑放在了聚合管道的后置阶段，$search返回的全量匹配结果都要经过$project、$match逐文档处理，数据量越大耗时越高。

最优优化方案 #

直接在$search阶段使用原生minScore参数配置阈值，搜索引擎会直接过滤掉得分低于阈值的结果，低得分文档不会进入后续聚合阶段，性能提升最明显。
优化后的代码示例：

product.aggregate([
  {
    '$search': {
      'text': {
        'query': 'harry potter', 
        'path': 'title'
      },
      'minScore': 15 // 搜索阶段直接过滤得分小于等于15的结果
    }
  }
])

如果需要在返回结果中保留搜索得分字段，仅需在$search后追加$project阶段即可，此时只有符合阈值的少量文档会进入该阶段，对性能影响极小：

product.aggregate([
  {
    '$search': {
      'text': {
        'query': 'harry potter', 
        'path': 'title'
      },
      'minScore': 15
    }
  },
  {
    '$project': {
      'title': 1, // 按需保留需要返回的字段
      'score': { '$meta': 'searchScore' }
    }
  }
])

其他辅助优化点 #

• 如果业务场景允许限制返回结果最大数量，可在$search阶段后追加$limit阶段，进一步减少后续阶段处理的数据量。
• 若当前使用的MongoDB版本不支持minScore参数，可将$project和$match合并为单个$match阶段直接判断元数据，减少一次全量遍历次数：

product.aggregate([
  {
    '$search': {
      'text': {
        'query': 'harry potter', 
        'path': 'title'
      }
    }
  },
  {
    '$match': {
      '$expr': {
        '$gt': [ { '$meta': 'searchScore' }, 15 ]
      }
    }
  }
])

内容的提问来源于stack exchange，提问作者Ankit Saini