MongoDB中如何查询dialogue.text子字段含指定关键词的文档？

无全文索引的基础查询方法 #

小数据集场景下，可直接用$elemMatch配合正则实现需求：

db.你的集合名.find({
  dialogue: {
    $elemMatch: {
      "data.text": {$regex: /\bsurprise\b/, $options: "i"}
    }
  }
})

其中\b为单词边界符，可避免匹配到surprised这类相似衍生词，$options:"i"代表忽略大小写，可根据实际需求调整。

使用$text全文索引的查询方法 #

首先需确认你创建的是dialogue.data.text的text类型全文索引，如果仅创建了dialogue字段的普通数组索引，无法支持$text检索，创建索引命令如下：

db.你的集合名.createIndex({"dialogue.data.text": "text"})

索引创建完成后，查询命令为：

db.你的集合名.find({
  $text: {$search: "surprise"}
})

该查询会自动匹配所有dialogue数组中任意data.text字段包含surprise整词的文档，直接走倒排索引，效率远高于正则匹配。

• 不要给整个dialogue字段建索引，仅针对需要检索的dialogue.data.text字段建全文索引，大幅降低索引体积，提升查询效率
• 如果检索场景仅需匹配固定词，不需要全文检索能力，可以提前将所有对话内容提取为一个独立的扁平数组字段（比如dialogue_text_list），避免查询时遍历嵌套结构
• 避免使用无前缀的正则（如/.*surprise.*/）做检索，这类正则无法走任何索引，只能全表扫描，数据量过大会出现严重性能问题
• 数据量较大时可以优先考虑对集合做分片，分片键可选择视频所属分类、上传时间等维度，分散查询压力

这类全文检索场景的性能核心取决于索引实现，而非数据库类型，不需要盲目切换：

• 你的数据结构是典型的嵌套文档结构（视频基础信息+多组字幕条目），和MongoDB的文档模型适配度极高，如果现有业务已经基于MongoDB搭建，继续使用完全没问题，百万级数据量下全文索引的查询性能足够满足需求
• 如果你本身业务有强事务、多实体强关联查询的需求，可以考虑切换到MySQL等SQL数据库，MySQL 5.7+版本的全文索引性能和MongoDB基本持平
• 如果数据量超过千万级，有更高的检索性能、分词、模糊匹配需求，无论MongoDB还是SQL数据库的性能都不如Elasticsearch这类专门的全文检索引擎，更推荐引入专门的检索组件来实现

内容的提问来源于stack exchange，提问作者Ebay