MongoDB Atlas Search管道中如何对任意字段实现高效排序

性能下降原因 #

你当前使用的是聚合管道独立的$sort阶段，该阶段需要先拉取$search返回的所有匹配文档到MongoDB查询层做全量内存排序，哪怕最终只返回10条结果，也需要处理所有符合搜索条件的文档，数据量大的时候自然会出现性能暴跌。你为ei0创建的普通B树索引无法在Atlas Search的查询链路中生效，因为$search走的是独立的Lucene Search索引体系，两类索引不互通。

优化方案 #

直接在$search阶段内部配置排序规则，利用Search索引内置的排序能力，Lucene可以直接基于你已经提前加入Search索引的字段完成排序，直接返回指定数量的结果，不需要全量处理匹配文档，性能和无排序的$search查询几乎一致。

修改后的查询示例 #

db.collection.aggregate([{
  $search: {
    "index": "test_index1",
    "compound": { 
      "filter": [{
        "equals": {
          "path": "listId",
          "value": ObjectId("613098df46239505942b8b13")
        }
      }],
      "must": [{
        "text": {
          "query": "Los Angeles",
          "path": {
            "wildcard": "*"
          }
        }
      }]
    },
    // 内置排序配置，写法和独立$sort完全一致
    "sort": {
      "ei0": -1
    },
    // 直接在$search阶段限制返回条数，进一步减少传输开销
    "limit": 10
  }
}]);

注意事项 #

• 所有用于排序的字段必须提前加入Search索引，且类型和字段实际存储类型一致：数字字段需配置为number类型，日期字段需配置为date类型，字符串字段如果要排序需要配置为keyword类型而非text类型，否则排序结果会不符合预期。
• 支持多字段混合排序，写法和普通$sort完全一致，比如同时按ei0降序、ed1升序排序可以写成"sort": {"ei0": -1, "ed1": 1}。
• 如果需要同时按搜索匹配度和业务字段排序，可以把searchScore（搜索相关性得分）加入排序规则，比如"sort": {"searchScore": -1, "ei0": -1}即可实现先按匹配度从高到低，再按ei0从大到小排序。

内容的提问来源于stack exchange，提问作者Jimmie Andersson