ApsaraDB for MongoDB：MongoDB Search

在MongoDB中實現複雜的全文檢索搜尋或AI驅動的向量檢索時，通常需要引入並維護獨立的搜尋引擎（如Elasticsearch），這會增加系統架構的複雜性，並帶來額外的資料同步和營運成本。

MongoDB Search功能通過在MongoDB執行個體中整合專用的搜尋節點（mongot），提供與資料庫無縫整合的全文檢索索引和向量檢索能力。無需管理外部搜尋系統，即可使用MongoDB查詢語言（MQL）完成多模態搜尋任務，從而簡化開發、降低營運負擔。

計費說明（免費試用活動）

MongoDB Search功能當前處於邀測階段，可通過填寫表單申請試用。在此期間，開通並使用Search功能不收取mongot搜尋節點的費用，只需支付MongoDB主執行個體的費用。

適用範圍

• 當前僅支援MongoDB 8.0版本的複本集獨享型規格執行個體。暫不支援分區叢集。

• 當前僅支援公用雲地區。

工作原理

MongoDB Search通過為執行個體添加專用的mongot搜尋節點來隔離搜尋負載。該架構確保高強度的搜尋任務不影響核心資料庫（mongod節點）的請求處理效能。

• 架構核心：mongot節點是承載全文檢索索引和向量檢索的獨立計算資源，專門負責處理$search（全文檢索索引）和$vectorSearch（向量檢索）請求。

• 資料同步：mongot 節點通過 Change Stream 的方式非同步複製 mongod 節點的 oplog 來保持索引資料同步，保證最終一致性。

• 查詢路由：發起包含$search或$vectorSearch的彙總查詢時，mongos會將搜尋部分路由到mongot節點執行，然後將搜尋結果與mongod節點上的常規查詢結果合并，最終返回統一的結果集。

開通Search服務

目的

為已有的MongoDB執行個體啟用Search功能，以建立專用的mongot搜尋節點。

操作步驟

1. 訪問MongoDB複本集執行個體列表，在上方選擇資源群組和地區，然後單擊目標執行個體ID。

2. 在左側導覽列，選擇MongoDB Search。

3. 在MongoDB Search頁面，單擊立即開通。

4. 在 開通 Search 面板中，配置搜尋節點規格。

   參數	說明
   規格	為mongot搜尋節點選擇合適的計算規格。可根據預期的查詢並發量（QPS）和資料複雜度選擇。
   儲存	為mongot節點分配用於儲存Search索引的磁碟空間。該空間獨立於主執行個體的儲存。可根據來源資料量和索引複雜度預估，並留出一定餘量。

   建議搜尋節點規格和儲存大小不低於主執行個體的規格和儲存大小，後續可根據實際負載進行變更配置。

5. 閱讀並勾選服務合約。

6. 單擊去支付。

等待建立成功後，可在 MongoDB Search 頁面查看新建立的Search節點資訊，並進行變更配置、重啟、釋放操作。

管理Search節點

在 MongoDB Search 頁面，可對已建立的Search節點執行以下操作：

• 變更配置：調整mongot節點的計算規格或儲存空間以適應業務變化。Search節點數量預設為2個，暫不支援變更。

• 重啟：在排查問題或應用某些配置時，可以重啟mongot節點。重啟期間，搜尋服務將短暫不可用。

• 釋放：如果不再需要Search功能，可釋放mongot節點。

  重要

  釋放操作會永久刪除所有已建立的Search索引，且不可恢複。

建立與使用Search索引

目的

通過建立不同類型的Search索引，啟用全文檢索索引或向量檢索功能。所有操作均通過MongoDB Shell（mongosh）或相容的MongoDB驅動程式完成。

前提條件

已使用mongosh或應用程式串連到目標MongoDB執行個體。

樣本一：實現商品評論的全文檢索索引

本樣本示範如何為reviews集合建立全文Search索引，並執行關鍵詞查詢。

1. 建立動態映射的Search索引。 dynamic: true使MongoDB自動為集合中的所有欄位建立索引，適合快速原型驗證。

   // 在名為 'reviews' 的集合上建立一個名為 'reviews_full_text_index' 的Search索引
   db.reviews.createSearchIndex({
     name: "reviews_full_text_index",
     definition: {
       "mappings": {
         "dynamic": true
       }
     }
   });
   

2. 使用$search彙總階段查詢包含特定關鍵詞的評論。 以下查詢將尋找comment欄位中包含“good”的評論，並返回評論內容、評分和商品ID。

   db.reviews.aggregate([
     {
       $search: {
         index: "reviews_full_text_index", // 指定要使用的Search索引
         text: {
           query: "good", // 查詢關鍵詞
           path: "comment"      // 在 'comment' 欄位中搜尋
         }
       }
     },
     {
       $limit: 5
     },
     {
       $project: {
         _id: 0,
         productId: 1,
         rating: 1,
         comment: 1,
         score: { $meta: "searchScore" } // 返回搜尋相關性得分
       }
     }
   ]);
   

樣本二：實現基於圖片特徵的以圖搜圖

本樣本示範如何為儲存了圖片向量特徵的集合images建立向量Search索引，並執行相似性搜尋。

1. 建立向量Search索引。 需指定向量欄位的路徑、維度（numDimensions）和相似性計算方法（similarity）。

   // 在名為 'images' 的集合上建立一個名為 'vector_index' 的向量索引
   db.images.createSearchIndex(
     "vector_index", 
     "vectorSearch", 
     {
       "fields": [
         {
           "type": "vector",
           "path": "plot_embedding_voyage_3_large",// 儲存向量的欄位
           "numDimensions": 2048,// 向量的維度
           "similarity": "dotProduct",// 相似性計算方法
           "quantization": "scalar"
         }
       ]
     }
   );
   

2. 使用$vectorSearch彙總階段尋找與給定圖片最相似的圖片。 需提供一個查詢向量（queryVector），它通常由AI模型根據輸入圖片產生。

   numCandidates：候選集大小。這是一個效能與召回率的權衡參數。增加此值可以提高召回準確率，但會消耗更多資源並可能增加延遲。

   // 假設 QUERY_EMBEDDING 是由AI模型產生的1024維向量
   const QUERY_EMBEDDING = [0.12, 0.45, -0.23, ...]; // 樣本向量，請替換為真實向量資料
   // 根據向量相似複雜度進行檢索
   db.images.aggregate([
     {
       "$vectorSearch": {
         "index": "vector_index",
         "path": "plot_embedding_voyage_3_large",
         "queryVector": QUERY_EMBEDDING,
         "numCandidates": 150,
         "limit": 10,
         "quantization": "scalar"
       }
     },
     {
       "$project": {
         "_id": 0,
         "plot": 1,
         "title": 1,
         "score": { $meta: "vectorSearchScore" }
       }
     }
   ])
   

應用於生產環境

監控與營運

• 監控指標：mongot搜尋節點暫時沒有獨立的監控指標。可通過觀察主執行個體的CPU、記憶體、IO和網路指標來間接評估搜尋負載的影響。

• 日誌管理：mongot節點暫不支援作業記錄、慢日誌或審計日誌的查看。對於慢查詢，建議使用explain()方法分析$search或$vectorSearch階段的執行計畫來定位效能瓶頸。

• 索引管理：可通過db.collection.getSearchIndexes()命令查看已建立的Search索引及其狀態。

高可用與故障切換

• Search節點預設以2節點架構部署。當其中一個節點發生故障時，系統會自動執行故障切換，將流量路由到健康的節點，請確保業務具備重試機制。

備份恢複與資料同步

• 備份恢複：通過備份檔案恢複的新執行個體不包含原執行個體的Search索引。需在新執行個體上重新開通Search服務並重建所有Search索引。

• 資料移轉：使用Data Transmission Service（DTS）等工具進行資料移轉或同步時，Search索引不會被同步。需在目標執行個體上手動建立索引。

常見問題

• Q：寫入資料後多久可以搜尋？

  A：資料同步是非同步，通常在秒級延遲內即可搜尋。延遲受執行個體寫入負載、文檔大小和網路狀況等因素影響。

• Q：在什麼情況下會觸發索引重建？升降配是否會觸發索引重建？

  A：當更改索引定義時，mongot會自動在後台重建新的索引，此時舊索引仍可支援查詢， 一旦新索引完成構建，舊索引就不再可用。搜尋節點升降配和索引重建並沒有直接關聯。