如何设计MongoDB全文索引文档结构最佳实践指南

MongoDB全文索引仅支持字符串类型字段；多字段联合索引需显式设置权重；中文搜索必须指定default_language:"zh"或使用双引号短语匹配；此外，该索引不提供语义相似性检索功能。

许多人容易忽略一个关键点：MongoDB的全文索引对文档结构要求不高，但字段内容的质量直接影响搜索效果。它仅识别string类型，其他类型如数字、数组、对象会被跳过或导致查询无结果——注意，索引创建时不会报错，但后续使用$text查询时往往搜不到预期内容。

文本字段必须为string类型且不能为空

例如，如果文档中存储了数组类型如"content": ["分布式", "系统"]或数值123，执行createIndex({ content: "text" })并不会报错，但后续用$text查询时完全无法匹配。这是因为MongoDB文本索引只解析字符串类型，其他类型均被忽略。

• ✅ 正确："content": "分布式系统设计需考虑容错与一致性"——将纯文本字符串存入字段。
• ❌ 无效："content": ["分布式系统", "容错"]（数组）、"content": null、"content": {}
• ⚠️ 注意：若字段值经常在字符串与null之间变化，建议设置sparse: true选项，防止索引体积过大。

多字段联合索引需显式声明字段名和权重设置

如果要让title和content字段同时参与全文搜索，仅通过{ title: "text", content: "text" }定义索引是不够的。默认情况下两者权重均为1，但在实际业务中标题的重要性通常高于正文，因此需要手动调整权重。

• 创建带权重的索引：db.articles.createIndex({ title: "text", content: "text" }, { weights: { title: 10, content: 5 } })
• 权重仅影响基于$meta: "textScore"的排序分数，不影响文档是否被命中；权重值越大，该字段匹配到的词贡献的分数越高。
• 未在weights中声明的字段默认权重为1，但务必确保字段已出现在索引定义中，否则无法被索引。

中文搜索需指定语言或禁用默认分词器

MongoDB默认采用英文分词规则，按空格和标点符号分割词语。直接搜索"分布式系统"会被拆分为"分布式"和"系统"，由于中文没有空格，无法正确匹配完整短语。如何解决呢？

• 方案一（推荐）：在创建索引时设置default_language: "zh"，例如db.articles.createIndex({ content: "text" }, { default_language: "zh" })
• 方案二：使用双引号进行短语匹配，即db.articles.find({ $text: { $search: "\"分布式系统\"" } })。此方法仅适用于已索引的连续字符串，无法处理词语中间插入其他字符的情况。
• ⚠️ 注意：设置default_language: "none"会关闭所有语言处理功能（包括停用词过滤），适用于技术术语混合的场景，但可能引入噪声。

最容易踩坑的是：文本索引仅基于词频和位置进行匹配，无法处理语义相似性。例如，希望"Ja va"能够匹配到"Ja va编程"，需要预处理（如统一添加后缀）或额外引入向量检索。而权重调整、语言设置、字段类型校验——这三步中任何一步遗漏，使用$text查询时很可能返回空结果或排序混乱。