Database 在数据库中查找类似的文档/记录

因此，我目前在mongodb中存储了相当多的记录，每个记录看起来都是这样的：

{
    "_id" : ObjectId("5c38d267b87d0a05d8cd4dc2"),
    "tech" : "NodeJs",
    "packagename" : "package-name",
    "packageversion" : "0.0.1",
    "total_loc" : 474,
    "total_files" : 7,
    "tecloc" : {
        "JavaScript" : 316,
        "Markdown" : 116,
        "JSON" : 42
    }
}

{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "tecloc.name.keyword": {
              "value": "Java"
            }
          }
        },
        {
          "term": {
            "tecloc.name.keyword": {
              "value": "Markdown"
            }
          }
        }
      ],
      "must": [
        {"range": {
          "total_loc": {
            "gte": 426,
            "lte": 521
          }
        }}
      ]
    }
  }
}

我想做的是根据记录找到类似的数据记录，例如，记录的总数约为（+/-10%）或使用一些相同的技术（tecloc）

我是否可以通过对mongodb的查询来实现这一点，或者是否有一种技术更适合我想要做的事情？我可以重新生成数据并将其存储在elastic或一些graph db中

---

谢谢：）

解决此问题的方法之一是使用Elasticsearch。我并不是说这是你唯一的解决办法

在高层，您需要设置Elasticsearch并为数据编制索引。有多种可能实现：，或日志存储，甚至只是从MongoDB转储数据并手动放置。做这项工作没有限制

我最初提出的区别是将字段tecloc-多值字段替换为

{

，

[

，并为代码行添加一些其他字段，例如：

   {
      "tech": "NodeJs",
      "packagename": "package-name",
      "packageversion": "0.0.1",
      "total_loc": 474,
      "total_files": 7,
      "tecloc": [
        {
          "name": "JavaScript",
          "loc": 316
        },
        {
          "name": "Markdown",
          "loc": 116
        },
        {
          "name": "JSON",
          "loc": 42
        }
      ]
    }

这个数据模型非常简单，显然有一些局限性，但您可以从它开始，看看它是否适合您的其他用例。稍后，您应该发现类型是更恰当地模拟数据的一种可能性

关于您的确切搜索场景-您可以使用以下查询搜索此类文档：

{
    "_id" : ObjectId("5c38d267b87d0a05d8cd4dc2"),
    "tech" : "NodeJs",
    "packagename" : "package-name",
    "packageversion" : "0.0.1",
    "total_loc" : 474,
    "total_files" : 7,
    "tecloc" : {
        "JavaScript" : 316,
        "Markdown" : 116,
        "JSON" : 42
    }
}

{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "tecloc.name.keyword": {
              "value": "Java"
            }
          }
        },
        {
          "term": {
            "tecloc.name.keyword": {
              "value": "Markdown"
            }
          }
        }
      ],
      "must": [
        {"range": {
          "total_loc": {
            "gte": 426,
            "lte": 521
          }
        }}
      ]
    }
  }
}

不幸的是，不支持+-10%的语法，因此这应该在客户端上进行计算

---

另一方面，我指定我们正在搜索应该包含Java或Markdown的文档，这也会返回示例文档。在这种情况下，如果我的文档同时包含Java和Markdown，则此文档的分数将更高。

因此，您希望搜索所有延迟total_loc va的文档lue 474+-10%，对吗？是的，我想添加额外的条款，例如，我想搜索每个文档的total_loc 474+-10%，并在tecloc数组中使用“JavaScript”、“Markdown”或“JSON”。理想情况下，按tecloc中的匹配数排序-因此包含所有三个“标记”的每个文档都位于顶部，以此类推。。。