2025년 11월 3일 작성

MongoDB Text Search - 효과적으로 Text 검색하기

MongoDB는 regex, text index, Atlas Search, Elasticsearch 연동 등 다양한 text 검색 방법을 제공하며, 각 방법의 성능과 기능이 달라 요구 사항에 맞는 선택이 필요합니다.

MongoDB에서의 Text Search

  • MongoDB는 다양한 text 검색 방법을 제공합니다.
    • 각 방법은 서로 다른 성능 특성과 기능을 가지고 있으며, 요구 사항에 따라 적절한 방법을 선택해야 합니다.
  • text 검색 방법은 크게 MongoDB 내장 기능과 외부 search engine 연동으로 나뉩니다.

MongoDB 내장 검색 방법

  • MongoDB는 별도의 외부 tool 없이도 여러 text 검색 방법을 제공합니다.

정규 표현식 검색

  • 정규 표현식(regex)은 가장 기본적인 pattern matching 방법입니다.
    • $regex 연산자를 사용하여 문자열 pattern을 검색합니다.
// 기본 정규 표현식 검색
db.articles.find({
    title: { $regex: "mongodb", $options: "i" }
});

// 단축 표기법
db.articles.find({
    title: /mongodb/i
});

// 여러 pattern 검색
db.articles.find({
    $or: [
        { title: /mongodb/i },
        { content: /mongodb/i }
    ]
});

장점

  • 별도의 index 생성 없이 즉시 사용 가능합니다.
  • 복잡한 pattern matching이 가능합니다.
  • 정확한 제어가 가능합니다.

단점

  • index를 효율적으로 사용하지 못합니다.
  • collection scan이 발생하여 매우 느립니다.
  • 대소문자 구분 option(i)을 사용하면 index를 전혀 사용하지 못합니다.
  • 자연어 처리 기능이 없습니다.

사용 예시

  • 소규모 collection에서 간단한 pattern 검색.
  • 특수한 pattern이나 wildcard 검색이 필요한 경우.
  • 일회성 검색이나 admin tool에서의 조회.

Prefix 검색 (^로 시작하는 정규 표현식)

  • ^는 문자열의 시작을 의미하며, 일반 B-tree index를 활용할 수 있습니다.
    • text index와 달리 문자열 시작 부분만 검색합니다.
    • 단순 문자 matching이며, 형태소 분석이나 자연어 처리는 하지 않습니다.
// index 생성
db.products.createIndex({ name: 1 });

// prefix 검색
db.products.find({ name: /^Apple/ });

장점

  • prefix 검색에서는 index를 활용하여 빠른 성능을 제공합니다.
  • 별도의 text index 생성이 필요 없습니다.

단점

  • 문자열 시작 부분만 검색 가능합니다.
  • 중간이나 끝 부분은 검색할 수 없습니다.
  • 자연어 처리 기능이 없습니다.

사용 예시

  • 자동 완성(autocomplete) 기능.
  • 특정 문자열로 시작하는 항목 찾기.

Text Index

  • text index는 MongoDB의 내장 전문 검색 기능입니다.
    • 정규 표현식과 달리 단어 단위로 검색하며, 문자열 어디에든 있는 단어를 찾을 수 있습니다.
    • 형태소 분석, stemming, stop words 제거 등 자연어 처리 기능을 제공합니다.
// text index 생성
db.articles.createIndex({
    title: "text",
    content: "text"
}, {
    weights: {
        title: 10,
        content: 1
    },
    default_language: "english"
});

// text 검색
db.articles.find({
    $text: { $search: "mongodb database" }
});

// 점수 기반 정렬
db.articles.find(
    { $text: { $search: "mongodb database" } },
    { score: { $meta: "textScore" } }
).sort({ score: { $meta: "textScore" } });

장점

  • 자연어 검색 기능을 제공합니다.
  • stemming으로 단어 변형을 자동 처리합니다.
  • 관련성 점수를 기반으로 정렬할 수 있습니다.
  • 별도의 외부 tool 없이 사용 가능합니다.
  • 여러 언어를 지원합니다.

단점

  • collection당 하나의 text index만 생성 가능합니다.
  • index 크기가 매우 큽니다.
    • 원본 data의 2-3배.
  • write 성능에 큰 영향을 줍니다.
  • fuzzy search, autocomplete 등 고급 기능이 부족합니다.
  • 한국어 형태소 분석 품질이 낮습니다.

사용 예시

  • 중소 규모의 blog, news, forum 검색.
  • 간단한 상품 검색 기능.
  • FAQ, help center 검색.
  • 별도의 search engine 없이 기본적인 전문 검색이 필요한 경우.

Aggregation Pipeline 활용

  • aggregation pipeline을 사용하면 더 복잡한 검색 logic을 구현할 수 있습니다.
// text search + 추가 filtering
db.articles.aggregate([
    // text 검색
    { $match: {
        $text: { $search: "mongodb index" }
    }},

    // 점수 추가
    { $addFields: {
        searchScore: { $meta: "textScore" }
    }},

    // 추가 조건
    { $match: {
        searchScore: { $gte: 1.5 },
        category: "database",
        publishedAt: { $gte: ISODate("2024-01-01") }
    }},

    // 정렬
    { $sort: {
        searchScore: -1,
        publishedAt: -1
    }},

    // 결과 가공
    { $project: {
        title: 1,
        summary: 1,
        searchScore: 1,
        publishedAt: 1
    }},

    { $limit: 20 }
]);

장점

  • 복잡한 검색 로직을 단계별로 구현할 수 있습니다.
  • filtering, 정렬, 가공을 유연하게 조합할 수 있습니다.

단점

  • query가 복잡해집니다.
  • 최적화가 어렵습니다.

사용 예시

  • text search와 다른 조건을 복합적으로 사용하는 경우.
  • 검색 결과에 추가 계산이나 가공이 필요한 경우.

$in 연산자와 Exact Match

  • 정확한 값 matching이 필요한 경우 $in 연산자를 사용합니다.
// tag 검색
db.articles.find({
    tags: { $in: ["mongodb", "database", "nosql"] }
});

// index 활용
db.articles.createIndex({ tags: 1 });

장점

  • 매우 빠른 성능을 제공합니다.
  • index를 효율적으로 사용합니다.

단점

  • 정확히 일치하는 값만 검색합니다.
  • 자연어 검색이나 유사 단어 검색이 불가능합니다.

사용 예시

  • tag, category 같은 정형화된 keyword 검색.
  • 정확한 값 matching이 필요한 경우.
  • Atlas Search는 MongoDB Atlas에서 제공하는 Apache Lucene 기반 search engine입니다.
    • text index보다 훨씬 강력한 전문 검색 기능을 제공합니다.

기본 사용법

// search index 생성 (Atlas UI 또는 CLI)
{
    "mappings": {
        "dynamic": false,
        "fields": {
            "title": {
                "type": "string",
                "analyzer": "lucene.standard"
            },
            "content": {
                "type": "string",
                "analyzer": "lucene.korean"
            }
        }
    }
}

// search query
db.articles.aggregate([
    {
        $search: {
            "text": {
                "query": "mongodb database",
                "path": ["title", "content"],
                "fuzzy": {
                    "maxEdits": 2
                }
            }
        }
    },
    {
        $project: {
            title: 1,
            content: 1,
            score: { $meta: "searchScore" }
        }
    },
    { $limit: 10 }
]);

주요 기능들

  • Atlas Search는 다양한 고급 검색 기능을 제공합니다.
// 오타 허용 검색
db.products.aggregate([
    {
        $search: {
            "text": {
                "query": "mongdb",  // typo
                "path": "name",
                "fuzzy": {
                    "maxEdits": 2,
                    "maxExpansions": 100
                }
            }
        }
    }
]);

Autocomplete

// 자동 완성
db.products.aggregate([
    {
        $search: {
            "autocomplete": {
                "query": "mon",
                "path": "name",
                "tokenOrder": "sequential"
            }
        }
    }
]);

Faceting

// facet 검색 (filtering option 제공)
db.products.aggregate([
    {
        $searchMeta: {
            "facet": {
                "operator": {
                    "text": {
                        "query": "laptop",
                        "path": "name"
                    }
                },
                "facets": {
                    "brandFacet": {
                        "type": "string",
                        "path": "brand"
                    },
                    "priceFacet": {
                        "type": "number",
                        "path": "price",
                        "boundaries": [0, 500, 1000, 2000]
                    }
                }
            }
        }
    }
]);

Highlighting

// 검색어 강조 표시
db.articles.aggregate([
    {
        $search: {
            "text": {
                "query": "mongodb",
                "path": "content"
            },
            "highlight": {
                "path": "content"
            }
        }
    },
    {
        $project: {
            title: 1,
            highlights: { $meta: "searchHighlights" }
        }
    }
]);

Synonym

// 동의어 검색
// search index 설정에 synonym mapping 추가
{
    "synonyms": [
        {
            "name": "db_synonyms",
            "analyzer": "lucene.standard",
            "source": {
                "collection": "synonyms"
            }
        }
    ]
}

// query
db.articles.aggregate([
    {
        $search: {
            "text": {
                "query": "database",
                "path": "content",
                "synonyms": "db_synonyms"
            }
        }
    }
]);

장점

  • 강력한 검색 기능 : fuzzy search, autocomplete, faceting, highlighting 등의 고급 기능들을 제공합니다.
    • 한국어 형태소 분석에서도 우수한 성능을 보입니다.
  • 별도 관리 불필요 : Atlas에 통합되어 별도의 infra 관리가 필요 없습니다.
    • MongoDB data와 동기화가 자동으로 이루어집니다.
  • 확장성 : 대용량 data와 높은 traffic을 처리할 수 있습니다.

단점

  • Atlas 전용 : MongoDB Atlas에서만 사용 가능합니다.
    • on-premise 환경에서는 사용할 수 없습니다.
  • 비용 : 별도의 비용이 발생합니다.
    • search index를 위한 추가 resource가 필요합니다.
  • Learning Curve : text index보다 복잡한 설정과 query 문법이 필요합니다.

사용 예시

  • e-commerce 상품 검색.
    • faceting, autocomplete 필요.
  • 대규모 문서 검색 system.
  • 다국어 지원이 필요한 검색.
  • 고급 검색 기능이 요구되는 application.

외부 Search Engine 연동

  • MongoDB와 별도의 전문 search engine을 연동하여 사용할 수 있습니다.

Elasticsearch 연동

  • Elasticsearch는 가장 널리 사용되는 전문 search engine입니다.
graph LR
    A[Application] --> B[MongoDB]
    A --> C[Elasticsearch]
    B --> D[Change Stream]
    D --> E[Sync Process]
    E --> C

동기화 전략

  1. Change Stream 활용 : MongoDB의 Change Stream을 사용하여 실시간으로 data 변경 사항을 Elasticsearch에 반영합니다.
// MongoDB Change Stream으로 실시간 동기화
const pipeline = [
    { $match: {
        'operationType': { $in: ['insert', 'update', 'delete'] }
    }}
];

const changeStream = db.articles.watch(pipeline);

changeStream.on('change', async (change) => {
    switch(change.operationType) {
        case 'insert':
            await esClient.index({
                index: 'articles',
                id: change.documentKey._id.toString(),
                body: change.fullDocument
            });
            break;
        case 'update':
            await esClient.update({
                index: 'articles',
                id: change.documentKey._id.toString(),
                body: { doc: change.updateDescription.updatedFields }
            });
            break;
        case 'delete':
            await esClient.delete({
                index: 'articles',
                id: change.documentKey._id.toString()
            });
            break;
    }
});
  1. Dual Write : application level에서 MongoDB와 Elasticsearch에 동시에 write합니다.
// application에서 MongoDB와 Elasticsearch에 동시 write
async function createArticle(data) {
    // MongoDB 저장
    const result = await db.articles.insertOne(data);

    // Elasticsearch 저장
    await esClient.index({
        index: 'articles',
        id: result.insertedId.toString(),
        body: data
    });

    return result;
}
  1. Batch Sync : 주기적으로 MongoDB의 변경 사항을 Elasticsearch에 동기화합니다.
// 주기적으로 batch 동기화
async function syncToElasticsearch() {
    const lastSyncTime = await getLastSyncTime();

    const cursor = db.articles.find({
        updatedAt: { $gt: lastSyncTime }
    });

    const bulk = [];

    for await (const doc of cursor) {
        bulk.push({ index: { _index: 'articles', _id: doc._id.toString() }});
        bulk.push(doc);
    }

    if (bulk.length > 0) {
        await esClient.bulk({ body: bulk });
    }
}
  1. Elasticsearch 검색 : elasticsearch에서 검색을 수행하고, 필요한 경우 MongoDB에서 추가 data를 조회합니다.
// Elasticsearch에서 검색
const result = await esClient.search({
    index: 'articles',
    body: {
        query: {
            multi_match: {
                query: "mongodb database",
                fields: ["title^3", "content"],
                fuzziness: "AUTO"
            }
        },
        highlight: {
            fields: {
                content: {}
            }
        },
        aggs: {
            categories: {
                terms: { field: "category" }
            }
        }
    }
});

// MongoDB에서 전체 document 조회
const ids = result.hits.hits.map(hit => ObjectId(hit._id));
const articles = await db.articles.find({
    _id: { $in: ids }
}).toArray();

장점

  • 최고 수준의 검색 기능을 제공합니다.
    • 매우 강력한 전문 검색 기능.
    • 복잡한 query와 분석 기능.
    • 뛰어난 한국어 형태소 분석 (nori plugin).
  • 확장성과 성능이 우수합니다.
    • 대용량 data 처리에 최적화.
    • 분산 처리와 수평 확장 가능.
  • 생태계가 풍부합니다.
    • Kibana를 통한 시각화와 모니터링.
    • 풍부한 plugin과 도구들.

단점

  • 복잡성이 증가합니다.
    • 별도의 cluster 구축 및 관리 필요.
    • data 동기화 로직 구현 필요.
    • 운영 복잡도 증가.
  • 비용이 높아집니다.
    • 추가 infra 비용.
    • 운영 인력 필요.
  • data 일관성 문제가 발생할 수 있습니다.
    • MongoDB와 Elasticsearch 간 동기화 lag 발생 가능.
    • 동기화 실패 처리 필요.

사용 예시

  • 매우 복잡한 검색 요구 사항.
  • 대규모 전문 검색 system.
  • 실시간 분석과 aggregation이 필요한 경우.
  • 검색 품질이 핵심 business 가치인 경우.

Solr, Algolia 등 다른 Search Engine

  • Apache Solr : Elasticsearch와 유사한 Lucene 기반 search engine.
    • 더 성숙한 ecosystem과 안정성.
  • Algolia : SaaS 형태의 search engine.
    • 매우 빠른 응답 속도.
    • 간편한 통합.
    • 비용이 높음.
  • Meilisearch : 경량 open source search engine.
    • 간단한 설정.
    • typo tolerance 기본 제공.

검색 방법 선택 Guide

  • 요구 사항에 따라 적절한 검색 방법을 선택해야 합니다.

선택 기준표

요구 사항 권장 방법 이유
소규모 collection (<10K docs) 정규 표현식 별도 index 없이도 충분한 성능
간단한 전문 검색 Text Index 추가 infrastructure 없이 사용 가능
e 중규모 검색 (10K-1M docs) Text Index 또는 Atlas Search 요구 사항 복잡도에 따라 선택
고급 검색 기능 필요 Atlas Search 또는 Elasticsearch fuzzy, autocomplete, faceting 지원
대규모 검색 (>1M docs) Atlas Search 또는 Elasticsearch 확장성과 성능 보장
On-premise 환경 Text Index 또는 Elasticsearch Atlas Search는 cloud 전용
검색이 핵심 기능 Elasticsearch 최고 수준의 검색 품질과 성능
Tag/Category 검색 $in 연산자 + Index 정확한 matching에 최적화
자동 완성 Atlas Search 또는 Elasticsearch 전용 기능 지원
한국어 검색 Atlas Search 또는 Elasticsearch + nori 형태소 분석 품질

단계적 접근

  • Phase 1 : MVP.
    • text index 또는 정규 표현식으로 시작.
    • 빠르게 기능 구현.
  • Phase 2 : 성장기.
    • traffic과 data가 증가하면 Atlas Search 고려.
    • 또는 text index 최적화 (compound index, projection 등).
  • Phase 3 : 성숙기.
    • 검색이 핵심 기능이 되면 Elasticsearch 도입 검토.
    • 전문 검색 team 구성.

비용 대비 효과 분석

방법 초기 비용 운영 비용 기능 권장 규모
정규 표현식 낮음 낮음 제한적 소규모
Text Index 낮음 중간 기본 중소규모
Atlas Search 중간 중간 고급 중대규모
Elasticsearch 높음 높음 최고급 대규모

검색 성능 최적화 공통 전략

  • 검색 방법과 무관하게 적용할 수 있는 최적화 전략이 있습니다.

Caching

  • Redis를 활용하여 자주 조회되는 검색 결과를 caching합니다.
async function search(query) {
    const cacheKey = `search:${query}`;

    // cache 확인
    const cached = await redis.get(cacheKey);
    if (cached) {
        return JSON.parse(cached);
    }

    // 실제 검색 수행
    const results = await db.articles.find({
        $text: { $search: query }
    }).toArray();

    // cache 저장 (10분 TTL)
    await redis.setex(cacheKey, 600, JSON.stringify(results));

    return results;
}

Pagination

  • 큰 결과 집합에 대해 효율적인 pagination 기법을 사용합니다.
// skip/limit (작은 offset에만 사용)
db.articles.find({ $text: { $search: query } })
    .skip(0)
    .limit(20);

// cursor 기반 pagination (큰 offset에 적합)
db.articles.find({
    $text: { $search: query },
    _id: { $gt: lastId }
}).limit(20);

Denormalization

  • 검색에 자주 사용되는 field를 별도로 저장하여 조회 성능을 향상시킵니다.
// 검색용 field를 별도로 생성
{
    _id: ObjectId("..."),
    title: "MongoDB Index Guide",
    content: "...",

    // 검색 최적화를 위한 denormalized field
    searchableText: "MongoDB Index Guide database nosql",
    tags: ["mongodb", "database", "nosql"],
    category: "tech"
}

// 검색 시 최적화된 field 사용
db.articles.find({
    $text: { $search: query },
    category: "tech"
}).project({
    title: 1,
    summary: 1
});

Read Preference

  • 읽기 부하 분산을 위해 secondary(replica set)에서 읽기를 수행합니다.
// secondary에서 읽기 (검색 부하 분산)
db.articles.find({
    $text: { $search: query }
}).readPref("secondaryPreferred");

Reference

목차