今天主要介紹MongoDB Atlas Search，並且介紹Index的強大之處。第一部分會先介紹Search 和Find的差異，接著分享Search的建立和使用方法。最後會使用範例資料去比較有使用Index和沒有使用Index在搜索效率的差異。

在實習的過程中我就非常好奇明明有find功能可以利用條件篩選出相關想要的資訊，為什麼又要有一個Search的功能？因此我就去查詢相關資料來幫助我詳細了解兩者的差異，簡單解釋就是Find主要就是查找論文時的精準搜索，而Search算是模糊搜索。在應用場景上就有蠻大的區別，Find方法比較多用於查找結構化資料，像是顧客ID或者任何數據。可是Search方法常用於文字類型的查找，例如文本資料涵蓋特定關鍵字等等。此外，Find 方法可以不用建立index即可進行資料查詢，但是Search方法需要事先建立Search Index才可以進行查詢。所以接下來將要介紹如何建立Search Indexes，我這邊選擇用MongoDB Compass的UI介面去進行建立。

這邊我們使用範例資料去建立Search Index，選取sample_mflix 資料庫中的comments collection。選取上方中間的Indexes分頁，並在畫面右邊切換到Search Indexes。

接著按照途中的Index definition 輸入Search Indexes的定義。可以看到這邊我們告知text這個欄位(field) 要建立Search Indexes，且欄位中的值是string。（這邊偷偷埋了一個伏筆，未來RAG要使用的Vector Search 也是利用這個方法來建立索引和檢索）

接著我們就來比較一下有建立Index 和沒建立Index在查詢時間上的差異。

先設定好我們要使用的database name 以及 collection name。

from pymongo import MongoClient

connecting_string = "your_connection_string"
client = MongoClient(connecting_string)

db = client['sample_mflix']
collection = db['comments']

import time
# 搜索關鍵字
search_term = "movie"

# 計時全文搜索
start_time = time.time()
# 使用MongoDB Atlas Search必須在MongoDB Atlas上設置好，這裡假設已經設置好名為'textSearchIndex'的索引
search_results = collection.aggregate([
    {
        "$search": {
            "index": "textSearchIndex",
            "text": {
                "query": search_term,
                "path": "text"
            }
        }
    }
])
search_duration = time.time() - start_time
print(f"Search duration: {search_duration:.4f} seconds")

# 計時普通查找
start_time = time.time()
# 使用正則表達式進行普通查找，有符合search_term的資料（i 代表忽略大小寫）
find_results = collection.find({"text": {"$regex": search_term, "$options": "i"}})
find_duration = time.time() - start_time
print(f"Find duration: {find_duration:.4f} seconds")

# 關閉連接
client.close()

接著我們去比較Search 方法和find方法的用時差異，這邊先說明一下因為範例資料的text是亂碼，所以在查找結束後沒有結果是正常的。但是可以看到用時上的差異。

註1：在使用find方法時不會使用到Search Indexes

註2：aggregate方法是MongoDB 用來建立類似於查詢pipeline的用法，這裏只建立Search方法。都是為了要找到符合text_term的document。

由上可知，一樣的查詢目的使用不同的搜索方式在用時上就差異很大，目前這個測試的資料筆數只有四萬多筆，當資料再更龐大或者內容結構更複雜時，查詢的時間差異會更加明顯。因此建議大家未來若要建立查找系統，記得先建立Index來優化查詢！

（以上程式碼由GPT協助製作）