Belajar MongoDB - Full-Text Search & Atlas Search

#Pendahuluan

Regex { title: /mongodb/i } memang bisa mencari kata, tapi untuk aplikasi pencarian yang serius — artikel, produk, dokumen legal — itu tidak cukup. Kalian butuh pencarian yang memahami token, mengabaikan kata tidak penting, memberi peringkat relevansi, dan bisa toleran terhadap typo. Inilah pekerjaan full-text search.

Episode 11 membahas dua tingkatan kemampuan pencarian MongoDB. Pertama, text index + query $text — fitur native yang ada di semua deployment MongoDB. Kedua, MongoDB Atlas Search — mesin pencarian berbasis Apache Lucene yang hanya tersedia di Atlas (SaaS). Roadmap-nya: text index, query $text, text score ranking, lalu pengenalan Atlas Search dengan fuzzy, autocomplete, dan faceted search. Mari mulai.

#Native Text Index dan Query $text

#Membuat Text Index

Sebelum bisa mencari teks, kalian harus membuat text index pada field yang ingin dicari. Berbeda dengan index biasa, text index memproses teks menjadi token (kata), mengabaikan stop words, dan menghitung relevansi:

db.articles.createIndex({ title: "text", content: "text" })

Kalian bisa mencakup beberapa field sekaligus. Untuk memberikan bobot berbeda — misal judul lebih penting daripada isi — gunakan opsi weights:

db.articles.createIndex(
  { title: "text", content: "text" },
  { weights: { title: 10, content: 1 } }
)

Dengan bobot di atas, kecocokan di judul dinilai 10 kali lebih relevan daripada kecocokan di isi — hasil pencarian "mongodb tutorial" akan mengutamakan artikel yang judulnya memuat kedua kata itu.

#Query $text

Setelah index ada, cari dengan operator $text:

db.articles.find({ $text: { $search: "mongodb tutorial" } })

MongoDB memecah string pencarian menjadi kata-kata, lalu menemukan artikel yang memuat kata-kata tersebut. Query ini membutuhkan text index — tanpa index, MongoDB mengembalikan error.

Untuk pencarian yang lebih presisi, $text mendukung sintaks tambahan:

• Frasa eksak: $search: "\"mongodb aggregation\"" — dua kata sebagai frasa utuh.
• Eksklusi: $search: "mongodb -sql" — artikel dengan kata sql dikecualikan.
• Semua kata wajib: $search: "\"mongodb\" \"pipeline\"" — kedua kata harus ada.

db.articles.find({ $text: { $search: "\"mongodb aggregation\" -sql" } })

#Text Score Ranking

Hasil $text secara default tidak terurut oleh relevansi. Untuk mengurutkannya, gunakan meta projection textScore:

db.articles.find(
  { $text: { $search: "mongodb tutorial" } },
  { score: { $meta: "textScore" } }
).sort({ score: { $meta: "textScore" } })

Pola ini memproyeksikan skor relevansi ke field score, lalu mengurutkan berdasarkan skor tersebut. Hasilnya: artikel yang paling relevan (kata lebih sering, bobot lebih tinggi, dokumen lebih pendek) tampil paling atas — inilah pengalaman pencarian yang kalian harapkan dari aplikasi modern.

#Keterbatasan Text Index

Text index native hebat untuk pencarian dasar, tapi punya batas yang membuatnya kurang cocok untuk aplikasi pencarian kelas enterprise:

• Tidak ada fuzzy search — typo "mongodb" tidak akan cocok dengan "mngodb".
• Bahasa & stemming terbatas — tidak memahami sinonim atau variasi bentuk kata secara fleksibel.
• Skor relevansi kaku — sulit disesuaikan dengan kebutuhan bisnis.
• Tidak ada faceted search — tidak bisa memfilter hasil berdasarkan kategori dalam satu query pencarian.

Untuk kebutuhan ini, MongoDB menyediakan Atlas Search.

#MongoDB Atlas Search

#Apa Itu Atlas Search?

Atlas Search adalah mesin pencarian penuh yang tertanam di MongoDB Atlas, dibangun di atas Apache Lucene — mesin pencarian yang sama yang mendukung Elasticsearch. Atlas Search mengindeks data ke struktur inverted index khusus, lalu diakses lewat aggregation stage $search. Karena berjalan di dalam database, tidak ada sinkronisasi ke sistem terpisah — data selalu up-to-date.

Contoh pencarian dasar dengan $search:

db.articles.aggregate([
  { $search: {
      index: "default",
      text: {
        query: "mongodb tutorial",
        path: ["title", "content"]
      }
  } }
])

Perhatikan strukturnya: index yang dipakai, operator pencarian (text), query, dan path field. Untuk hasil yang relevan, gabungkan dengan $sort menggunakan skor:

db.articles.aggregate([
  { $search: {
      index: "default",
      text: { query: "mongodb tutorial", path: "content" }
  } },
  { $sort: { score: { $meta: "searchScore" } } }
])

#Fuzzy Search

Fuzzy search membuat pencarian toleran terhadap typo dan salah eja — fitur yang tidak dimiliki text index native. Aktifkan dengan opsi fuzzy:

db.articles.aggregate([
  { $search: {
      index: "default",
      text: {
        query: "mongdo",
        path: "title",
        fuzzy: { maxEdits: 1 }
      }
  } }
])

Dengan maxEdits: 1, pencarian "mongdo" tetap menemukan dokumen dengan kata "mongodb" — koreksi otomatis typo satu huruf.

#Autocomplete

Fitur suggestion saat mengetik dibuat dengan operator autocomplete:

db.products.aggregate([
  { $search: {
      index: "default",
      autocomplete: {
        query: "lat",
        path: "name"
      }
  } }
])

Saat user mengetik "lat", query ini langsung menyarankan produk seperti "Laptop Gaming" dan "Laptop Stand" — fondasi search bar dengan suggestion real-time.

#Faceted Search dan Scoring

Faceted search memungkinkan filter sekaligus dengan pencarian — misal menampilkan hasil produk "laptop" dengan filter kategori dan rentang harga dalam satu query. Dan karena berbasis Lucene, skor relevansi bisa disesuaikan dengan compound operator untuk menggabungkan beberapa kondisi berbobot.

#Penutup

Pada episode 11 ini kalian telah menguasai dua tingkatan full-text search. Di level native: membuat text index multi-field dengan bobot per field, menjalankan query $text dengan frasa eksak dan eksklusi, serta mengurutkan hasil berdasarkan skor relevansi textScore. Di level Atlas: memahami Atlas Search berbasis Lucene, memakai aggregation stage $search untuk fuzzy search yang toleran typo, autocomplete untuk suggestion real-time, dan pengenalan faceted search serta scoring yang dapat disesuaikan.

Inti yang harus dibawa pulang:

• Query $text butuh text index; hanya satu text index per collection.
• Bobot per field membuat judul dinilai lebih relevan daripada isi.
• textScore meta projection + sort untuk mengurutkan hasil berdasarkan relevansi.
• Atlas Search membawa fuzzy, autocomplete, dan faceted search ke MongoDB.
• Text index cukup untuk dasar; Atlas Search untuk pencarian kelas enterprise.

Di episode 12 berikutnya kita membahas rahasia performa MongoDB: Deep Dive Indexing Strategies. Kalian akan memahami mengapa index mengubah pencarian dari koleksi scan menjadi index scan, mengenal tujuh tipe index — single field, compound dengan aturan ESR, multikey, wildcard, TTL, unique, dan partial — serta kapan memakai masing-masing. Sampai jumpa di episode 12!