MongoDB 查詢模式實戰
系列文章：
前言
本文展示專案中使用的 6 種 MongoDB 查詢模式，全部透過 Prisma 的 aggregateRaw 直送原生 MQL。每一種模式都會附 Prisma TypeScript 程式碼與對應的 MongoDB Shell 語法。
模式 1：基礎分頁 + 關鍵字搜尋（$regex）
BusinessService 使用 aggregateRaw 組合 pipeline，支援多欄位模糊搜尋：
typescript
// Prisma TypeScript
const pipeline = [
{ $match: {
$or: [
{ name: { $regex: keyword, $options: 'i' } },
{ categories: { $regex: keyword, $options: 'i' } },
{ search_keywords: { $regex: keyword, $options: 'i' } }
]
}},
{ $sort: { [sortField]: sortOrder === 'asc' ? 1 : -1 } },
{ $skip: (page - 1) * pageSize },
{ $limit: pageSize },
{ $project: {
_id: 0,
id: { $toString: '$_id' },
name: 1, stars: 1, review_count: 1,
categories: 1, attributes: 1
}}
];
const items = await this.prisma.business.aggregateRaw({ pipeline });總數用另一個 aggregateRaw 平行查詢：
typescript
const [items, totalAgg] = await Promise.all([
this.prisma.business.aggregateRaw({ pipeline }),
this.prisma.business.aggregateRaw({
pipeline: [{ $match: matchStage }, { $count: 'total' }]
})
]);對應 MQL：
javascript
db.business.aggregate([
{ $match: { $or: [
{ name: { $regex: "coffee", $options: "i" } },
{ categories: { $regex: "coffee", $options: "i" } },
{ search_keywords: { $regex: "咖啡", $options: "i" } }
]}},
{ $sort: { review_count: -1 } },
{ $skip: 0 },
{ $limit: 20 },
{ $project: {
_id: 0, id: { $toString: "$_id" },
name: 1, stars: 1, review_count: 1
}}
]);
// 總數
db.business.countDocuments({ $or: [
{ name: { $regex: "coffee", $options: "i" } },
{ categories: { $regex: "coffee", $options: "i" } },
]});模式 2：地理空間搜尋（$geoNear）
SearchService 實作了四種搜尋模式，其中最完整的 geoKeyword 模式：
typescript
// Prisma — geoKeyword 模式 pipeline
const pipeline = [
// 第一階段：$geoNear 必須是 pipeline 第一階段
{ $geoNear: {
near: { type: 'Point', coordinates: [lng, lat] },
distanceField: 'distance',
maxDistance: radiusInMeters,
spherical: true,
query: { is_open: 1 }
}},
// 第二階段：關鍵字過濾
{ $match: {
$or: [
{ name: { $regex: keywordText, $options: 'i' } },
{ categories: { $regex: keywordText, $options: 'i' } },
{ search_keywords: { $regex: keywordText, $options: 'i' } }
]
}},
// 第三階段：計算文字相關性分數
{ $addFields: {
textScore: {
$add: [
{ $cond: [{ $regexMatch: { input: '$name', regex: keywordText } }, 3, 0] },
{ $cond: [{ $regexMatch: { input: '$categories', regex: keywordText } }, 2, 0] },
{ $cond: [{ $regexMatch: { input: '$search_keywords', regex: keywordText } }, 1, 0] }
]
}
}}
];排序策略
支援 4 種模式 × 2 種優先級：
typescript
const strategies = {
geoKeyword: {
distance: { distance: 1, stars: -1 }, // 距離優先
relevance: { textScore: -1, stars: -1, distance: 1 } // 相關性優先
},
geoOnly: {
distance: { distance: 1, stars: -1 },
relevance: { distance: 1, stars: -1 }
},
keywordOnly: {
distance: { textScore: -1, stars: -1 },
relevance: { textScore: -1, stars: -1 }
},
fallback: {
distance: { stars: -1, review_count: -1 },
relevance: { stars: -1, review_count: -1 }
}
};對應 MQL：
javascript
db.business.aggregate([
{ $geoNear: {
near: { type: "Point", coordinates: [-75.1652, 39.9526] },
distanceField: "distance",
maxDistance: 5000,
spherical: true,
query: { is_open: 1 }
}},
{ $match: { $text: { $search: "restaurant" } } },
{ $match: { stars: { $gte: 4.0 } } },
{ $sort: { distance: 1, stars: -1 } },
{ $limit: 20 },
{ $project: {
_id: 0, id: { $toString: "$_id" },
name: 1, stars: 1, distance: 1
}}
]);模式 3：全文檢索（$text）
當沒有地理位置參數時，改用 MongoDB Text Index：
typescript
private buildTextStages(ctx: SearchContext): PipelineStage[] {
return [
{ $match: { $text: { $search: ctx.keywordText }, is_open: 1 } },
{ $addFields: { textScore: { $meta: 'textScore' } } }
];
}MQL：
javascript
db.business.aggregate([
{ $match: { $text: { $search: "coffee" }, is_open: 1 } },
{ $addFields: { textScore: { $meta: "textScore" } } },
{ $sort: { textScore: -1 } },
{ $project: { name: 1, score: { $meta: "textScore" } } },
{ $limit: 20 }
]);Text Index 的權重設定影響排序結果：
javascript
db.business.createIndex(
{ name: "text", categories: "text", search_keywords: "text" },
{ weights: { name: 10, categories: 5, search_keywords: 3 } }
);搜尋結果範例（關鍵字 "coffee"）：
| name | textScore |
|---|---|
| Ground Up Coffee Shop | 20.57 |
| Odyssey Coffee Shop | 20.54 |
| Ben and Betsy's Coffee and Gifts | 16.03 |
| Jiggy Coffee | 15.36 |
| 9th Street Coffee & Tea | 15.34 |
模式 4：統計彙總（$group / $bucket / $cond）
StatisticsService 實作了三種儀表板查詢。
4a. 總覽統計
typescript
const pipeline = [{
$group: {
_id: null,
totalBusinesses: { $sum: 1 },
averageRating: { $avg: '$stars' },
totalReviews: { $sum: '$review_count' },
openCount: { $sum: { $cond: [{ $eq: ['$is_open', 1] }, 1, 0] } }
}
}];javascript
db.business.aggregate([
{ $group: {
_id: null,
totalBusinesses: { $sum: 1 },
averageRating: { $avg: "$stars" },
totalReviews: { $sum: "$review_count" },
openRate: { $avg: "$is_open" }
}}
]);4b. 評分分佈（$bucket）
typescript
[{
$bucket: {
groupBy: '$stars',
boundaries: [0, 1, 1.5, 2, 2.5, 3, 3.5, 4, 4.5, 5.1],
default: 'other',
output: { count: { $sum: 1 } }
}
}];javascript
db.business.aggregate([
{ $bucket: {
groupBy: "$stars",
boundaries: [0, 1, 2, 3, 4, 5],
default: "Other",
output: { count: { $sum: 1 }, avgReviewCount: { $avg: "$review_count" } }
}}
]);4c. 類別分詞統計（$split + $unwind + $group）
categories 是逗號分隔字串（如 "Restaurants, Coffee & Tea"），需先切開再統計：
typescript
[
{ $project: {
categoriesArray: {
$filter: {
input: {
$map: {
input: { $split: ['$categories', ','] },
as: 'c', in: { $trim: { input: '$$c' } }
}
},
as: 'c', cond: { $ne: ['$$c', ''] }
}
}
}},
{ $unwind: '$categoriesArray' },
{ $group: { _id: '$categoriesArray', count: { $sum: 1 } } },
{ $sort: { count: -1 } },
{ $limit: 10 }
];5 段式字串處理：$split → $map（trim）→ $filter（去空）→ $unwind → $group。
模式 5：跨集合作業（$lookup）
查詢「打卡數最高的前 10 家商家（含名稱）」需要在 checkin 和 business 之間做 JOIN：
typescript
[
{ $sort: { total_checkins: -1 } },
{ $limit: 10 },
{ $lookup: {
from: 'business',
localField: 'business_id',
foreignField: 'business_id',
as: 'biz'
}},
{ $unwind: '$biz' },
{ $project: {
businessId: '$business_id',
name: '$biz.name',
city: '$biz.city',
state: '$biz.state',
stars: '$biz.stars',
review_count: '$biz.review_count',
total_checkins: 1
}}
]MQL：
javascript
db.checkin.aggregate([
{ $sort: { total_checkins: -1 } },
{ $limit: 10 },
{ $lookup: {
from: "business",
localField: "business_id",
foreignField: "business_id",
as: "biz"
}},
{ $unwind: "$biz" },
{ $project: {
name: "$biz.name",
stars: "$biz.stars",
total_checkins: 1
}}
]);利用 $lookup 也可以做更複雜的商業分析，例如找出 低分高流量的觀光陷阱：
javascript
db.business.aggregate([
{ $match: { stars: { $lte: 2.5 } } },
{ $lookup: { from: "checkin", localField: "business_id", foreignField: "business_id", as: "checkin" }},
{ $unwind: "$checkin" },
{ $sort: { "checkin.total_checkins": -1 } },
{ $project: { name: 1, stars: 1, total_checkins: "$checkin.total_checkins" } },
{ $limit: 5 }
]);結果：Geno's Steaks（2.5 星，4959 次打卡）— 費城知名起司牛肉堡地標，當地人嫌貴，觀光客必去。
模式 6：預聚合資料讀取（O(1) 讀取）
Checkin 資料因為在 ETL 階段已經算好了，Service 層極簡：
typescript
// Prisma — 直接 findFirst 讀取預聚合資料
async getCheckinTraffic(businessId: string) {
const checkin = await this.prisma.checkin.findFirst({
where: { businessId },
select: { traffic_stats: true, total_checkins: true }
});
if (!checkin || !checkin.traffic_stats) return null;
const stats = checkin.traffic_stats as unknown as TrafficStats;
// 應用層計算每小時平均（除以 5 天平日 / 2 天週末）
const weekday = stats.Weekday.map(c => parseFloat((c / 5).toFixed(1)));
const weekend = stats.Weekend.map(c => parseFloat((c / 2).toFixed(1)));
return { weekday, weekend, total: checkin.total_checkins };
}MQL（甚至不需要 aggregation，直接 find()）：
javascript
db.checkin.findOne(
{ business_id: "abc123" },
{ traffic_stats: 1, total_checkins: 1 }
);從流量陣列還能推測營業型態 — 例如找出 平日晚上爆滿、週末沒人的店家：
javascript
db.checkin.aggregate([
{ $match: { "traffic_stats.Weekday.19": { $gt: 0 } } },
{ $lookup: { from: "business", localField: "business_id", foreignField: "business_id", as: "biz" }},
{ $unwind: "$biz" },
{ $project: {
name: "$biz.name",
categories: "$biz.categories",
weekday_pm: { $arrayElemAt: ["$traffic_stats.Weekday", 19] },
weekend_pm: { $arrayElemAt: ["$traffic_stats.Weekend", 19] },
ratio: {
$divide: [
{ $arrayElemAt: ["$traffic_stats.Weekday", 19] },
{ $max: [{ $arrayElemAt: ["$traffic_stats.Weekend", 19] }, 1] }
]
}
}},
{ $sort: { ratio: -1 } },
{ $limit: 5 }
]);結果抓到的是「勞工食堂」和「獸醫院」— 即便 hours 欄位是空的，靠流量陣列也能推斷營業型態。
總結
| 模式 | MQL 關鍵字 | 使用場景 |
|---|---|---|
| 關鍵字分頁 | $regex + $skip/$limit | 商家列表搜尋 |
| 地理搜尋 | $geoNear | 地圖附近商家 |
| 全文檢索 | $text | 中英混合關鍵字搜尋 |
| 統計彙總 | $group/$bucket | 儀表板 KPI |
| 跨集合 | $lookup | 關聯 business ↔ checkin |
| 預聚合 | findOne | O(1) 流量讀取 |
下一步
- MongoDB 索引設計與效能優化 — 讓這些查詢跑得更快
- Prisma + MongoDB 實戰經驗談 — 如何用 Prisma 管理 MongoDB
- MongoDB Schema 設計與 ETL 資料處理 — schema 設計與資料預處理