在MongoDB中实现全文索引需要怎样的文档设计？

MongoDB全文索引仅支持string类型字段，多字段需显式设权重，中文搜索须指定default_language:"zh"或用短语匹配，且不提供语义相似性检索。

MongoDB 的全文索引不依赖特殊文档结构，但字段内容质量直接影响搜索效果。它只对 string 类型字段生效，其他类型（如 number、array、object）会被忽略或报错。

文本字段必须是 string 类型且非空

如果你的文档里存的是 "content": ["分布式", "系统"]（数组），或者 "content": 123（数字），createIndex({ content: "text" }) 不会报错，但后续 $text 查询完全匹配不到——因为 MongoDB 文本索引只解析字符串内容，其余类型跳过。

• ✅ 正确： "content": "分布式系统设计需考虑容错与一致性"
• ❌ 无效： "content": ["分布式系统", "容错"]（数组）、"content": null、"content": {}
• ⚠️ 注意：如果字段有时是 string，有时是 null 或 missing，建议用 sparse: true 选项避免索引膨胀

多字段联合索引时，字段名和权重要显式声明

想让 title 和 content 都参与搜索，不能只写 { title: "text", content: "text" } 就完事。默认权重都是 1，但实际中标题通常比正文更关键，需要人工调权。

• 创建带权重的索引：db.articles.createIndex({ title: "text", content: "text" }, { weights: { title: 10, content: 5 } })
• 权重只影响 $meta: "textScore" 排序结果，不影响是否命中；值越大，该字段匹配词贡献的分数越高
• 未在 weights 中列出的字段，权重默认为 1；但字段名必须出现在索引定义中，否则不被索引

中文搜索必须指定语言或禁用分词器

MongoDB 默认使用英文分词规则（按空格+标点切词），直接搜 "分布式系统" 会拆成 "分布式" 和 "系统"，但中文没有空格，导致查不到完整短语。

• 方案一（推荐）：创建索引时指定 default_language: "zh"：db.articles.createIndex({ content: "text" }, { default_language: "zh" })
• 方案二：用双引号强制短语匹配 —— db.articles.find({ $text: { $search: ""分布式系统"" } })，但仅对已索引的连续字符串有效，无法解决“分布式”和“系统”中间有其它字的情况
• ⚠️ 注意：default_language: "none" 会关闭所有语言处理（包括停用词过滤），适合技术术语混杂场景，但可能引入噪声

真正容易被忽略的是：文本索引本身不解决语义相似性，它只是词频+位置匹配。如果你需要“Java”匹配“Java编程”，得靠预处理（比如统一加后缀）或额外引入向量检索；而权重调参、语言设置、字段类型校验，这三步漏掉任何一项，$text 查询就大概率返回空或排序错乱。