Como indexar campos em arrays de objetos e documentos

Limite de 2.100.000.000 objetos de índice

O Atlas Search para de replicar alterações para índices maiores que 2,100,000,000 objetos de índice por partição, em um conjunto de réplicas ou fragmento único, onde cada documento incorporado indexado conta como um único objeto. Usar o embeddedDocuments tipo de campo pode resultar na indexação de objetos acima desse limite, o que faz com que um Stale índice faça a transição para um estado de query e pode resultar em resultados obsoletos. Se você criar um índice do Atlas Search para uma coleção que tem ou terá em breve mais de 2.1 bilhões de objetos de índice, deverá usar a numPartitions opção ou fragmentar o cluster.

O número exato de objetos de índice pode variar com base na taxa de alterações e exclusões de documentos. A métrica Pesquisar número máximo de Lucene Docs fornece o limite superior do número atual de objetos de índice em todos os índices por conjunto de réplicas ou fragmento. Você pode aproximar o número esperado de objetos de índice em um único índice fazendo o seguinte:

1. Calcule o número de objetos de índice por documento. Para cada nível de aninhamento, cada documento incorporado conta como um objeto de índice separado.

   total number of index objects = 1 + number of nested embedded documents

2. Multiplique o número de objetos de índice por documento pelo número total de documentos na coleção

   total number of index objects x total number of documents in collection

Observe que essa aproximação é um limite inferior.

{
  "_id": 0,
  "name": "Springfield High",
  "mascot": "Pumas",
  "teachers": [
    {
      "first": "Jane",
      "last": "Smith",
      "classes": [
        {
          "subject": "art of science",
          "grade": "12th"
        },
        ... // 2 more embedded documents
      ]
    },
    ... // 1 more embedded document
  ],
  "clubs": {
    "stem": [
      {
        "club_name": "chess",
        "description": "provides students opportunity to play the board game of chess informally and competitively in tournaments."
      },
      ... // 1 more embedded document
    ],
    ... // 1 more embedded document
  }
}

Se sua coleção tiver grandes arrays que possam gerar 2.100.000.000 objetos de índice, você deve fragmentar todos os clusters que contenham índices com o tipo embeddedDocuments.

limitações do atlas search

Aplicam-se as seguintes limitações:

• Você pode utilizar o embeddedDocuments somente em campos com até 5 níveis de aninhamento. Um campo embeddedDocuments não pode ter mais de 4 campos embeddedDocuments pai.

• Não é possível usar embeddedDocuments para uma facet de data ou número.

• Você não pode definir um campo dentro do tipo embeddedDocuments como o tipo obsoleto KNNVector.

• Para destacar campos em documentos incorporados, você também deve indexar o principal do campo que deseja destacar como o tipo de documento.

• Você pode fazer o seguinte somente se indexar os pais do campo filho do documento incorporado como o tipo de documento:

  • Busca facetada em campos de string dentro de documentos incorporados. Você também deve indexar o campo que deseja facetar como o tipo stringFacet .

    Observação

    Quando facetas são utilizadas em um campo de string dentro de documentos incorporados, o Atlas Search retorna a contagem de facetas somente para o número de documentos principais correspondentes.

    Não é possível facetar campos numéricos e de data em documentos incorporados.

  • Destaque campos em documentos incorporados. Para ver um exemplo, consulte o tutorial Como executar consultas de pesquisa do Atlas contra objetos em arrayes.

  • Classificar pelo item principal do campo do documento incorporado. Você também deve indexar o campo do documento incorporado com valores de string como o tipo de token. Para campos secundários com valores numéricos e de data, habilite o mapeamento dinâmico para indexar esses campos automaticamente. Para ver um exemplo, consulte Exemplo de classificação.