某招聘平台的数据基于MongoDB文档存储，其半结构化的数据模型与岗位匹配推荐需求非常匹配。为了提高数据的管理和利用效率，以及实现匹配推荐功能，现要求使用MongoDB对元数据和操作日志进行存储和查询。完成以下任务：根据该招聘平台已有的签约信息来构建数据库，其中元数据被分成两个文件（岗位信息和招聘者信息），它们通过一个offer_id属性将签约信息链接在一起。现要求在MongoDB中设计的数据模型，包括必要的字段、类型、索引等信息，将岗位信息和招聘者信息的内容映射到两个不同的文档集合中。因此，每个签约信息对应于两个文档，它们在offer_id属性上连接起来。用户可以根据自身的情况，启用各种过滤器来定义一个复合搜索查询，实现对招聘者信息文档集合的搜索与过滤，从而得到与自己条件类似的招聘者以供参考。通过复合筛选器的招聘者信息文档首先按与查询匹配的属性值的总数排序，然后按它们的文档ID排序。最后根据offer_id属性得到对应的岗位信息文档，输出jd_title、job_description部分。如果查询返回超过10个，则只显示前10个，以避免长时间的加载。用户可以根据工作意愿，启用各种过滤器来定义一个复合搜索查询，对上述岗位信息进行进一步的过滤，最后输出jd_title、job_description部分。

根据上述需求，可以设计以下的MongoDB数据模型：

**Collection 1: Job Information**
- offer_id: ObjectId
- jd_title: String
- job_description: String
- job_type: String
- job_location: String
- job_salary: Number
- job_requirements: Array
- company_name: String
- company_size: String

索引：
- offer_id: 单键索引

**Collection 2: Job Applicant Information**
- offer_id: ObjectId
- applicant_name: String
- applicant_gender: String
- applicant_age: Number
- applicant_location: String
- applicant_education: String
- applicant_experience: Number
- applicant_skills: Array
- applicant_languages: Array
- applicant_certifications: Array

索引：
- offer_id: 单键索引

查询操作：
1. 根据过滤器查询招聘者信息文档集合：

db.job_applicant_information.find({
  applicant_location: "北京",
  applicant_education: "本科",
  applicant_experience: {$gte: 3},
  applicant_skills: {$in: ["Java", "Python"]},
  applicant_languages: {$in: ["英语"]},
  applicant_certifications: {$in: ["CET-6"]}
}).sort({
  $meta: "textScore",
  offer_id: 1
}).limit(10)

该查询操作会返回符合条件的前10个招聘者信息文档，并将它们按照与查询匹配的属性值的总数排序，然后按照offer_id属性进行排序。接着，根据每个文档的offer_id属性，查询对应的Job Information文档集合，并输出jd_title、job_description部分。

2. 根据过滤器查询岗位信息文档集合：

db.job_information.find({
  job_location: "北京",
  job_type: "全职",
  job_salary: {$gte: 15000},
  job_requirements: {$in: ["本科", "硕士"]},
  company_size: {$in: ["1000人以上"]}
}, {
  jd_title: 1,
  job_description: 1,
  _id: 0
}).limit(10)

该查询操作会返回符合条件的前10个Job Information文档，并输出jd_title、job_description部分。