Jetzt verfügbarNiedrigere Kosten, höhere Skalierbarkeit: Neue Funktionen zur Vektorquantisierung jetzt verfügbar. Mehr erfahren >> >>

Vollständig verwaltete, moderne Multi-Cloud-Datenbank

Im Gegensatz zu eigenständigen Vektordatenbanken können Sie mit Atlas Betriebsdaten, Metadaten und Vektoren in einer einheitlichen, sicheren und skalierbaren Datenbank speichern und mit ihnen arbeiten.

Erfahren Sie mehr über Atlas
general_action_best_practices

Flexibilität und Agilität mit dem Dokumentmodell

Verwenden Sie reichhaltige, verschachtelte Datenstrukturen für eine mühelose Organisation und Abfrage. Modellieren Sie mehrere Felder mit Einbettungsmodellen und berücksichtigen Sie sie gemeinsam bei der Abfrage, um eine optimale Leistung zu erzielen.

Erfahren Sie mehr über Dokumentdatenbanken
mdb_replica_set

Unabhängige Skalierung mit Suchknoten

Sichern Sie sich höhere Verfügbarkeit und Leistung mit unabhängiger Skalierbarkeit durch Workload-Isolation und speicheroptimierte, dedizierte Multi-Cloud-Infrastruktur.

Blog-Beitrag lesen
technical_mdb_quantization

Kosteneffizienz durch Vektorquantisierung

Erhöhen Sie die Skalierbarkeit und senken Sie die Kosten, indem Sie Vektoren für eine effizientere Speicherung, Verarbeitung und Abfrage komprimieren und gleichzeitig die Suchgenauigkeit beibehalten.

Blog-Beitrag lesen

Robuste Vektor-Suchfunktionen

Nutzen Sie flexible Suchansätze, um die Relevanz und Leistung entsprechend Ihren Anforderungen zu optimieren.

realm_fast_queries

Ungefähre Suche nach dem nächsten Nachbarn (ANN)

Entwickelt, um die Effizienz in komplexen, hochdimensionalen Vektoranwendungen zu unterstützen, indem ein Gleichgewicht zwischen Genauigkeit und rechnerischer Machbarkeit hergestellt wird.

Erfahren Sie mehr über die ANN-Suche
general_action_checkmark

Exakte Suche nach dem nächsten Nachbarn (ENN)

Entwickelt mit Fokus auf Präzision, besonders bei kleinen Datensätzen, wo verbesserte Benchmarking- und Entwicklungsgeschwindigkeit entscheidend sind.

Erfahren Sie mehr über die ENN-Suche
atlas_search

Hybride Suche

Kombinieren Sie Text- und Vektorsuche, um die Genauigkeit zu verbessern, indem Sie die Gewichtungen flexibel anpassen, um entweder die Vektorähnlichkeit oder die Schlüsselwortrelevanz zu priorisieren.

Tutorial ansehen
general_features_list

Natives Reranking

Die native, indexfreie $rerank-Aggregationsstufe ist ein „Turbolader“, der die Suchqualität sofort und ohne den Aufwand für die Erstellung und endlose Iteration komplexer Suchindizes verbessert.

Weitere Informationen zu nativem Reranking
industry_ai

Automatische Einbettung

Atlas bettet Ihre Daten jetzt mit Voyage AI automatisch ein – wählen Sie einfach ein Modell, erstellen Sie einen Index und suchen Sie semantisch. Keine Pipelines. Keine Synchronisierung. Keine zusätzlichen Tools.

Weitere Informationen zur automatischen Einbettung

Erste Schritte mit MongoDB Vector Search

Erfahren Sie, wie Sie Ihre Daten in Vektoreinbettungen umwandeln, sie mit Suchfunktionen abrufen und schnell und einfach intelligente Anwendungen in MongoDB erstellen können.
Zur Anmeldung
Mit der Entwicklung starten:
  • Vereinfachte Bereitstellung
  • Einheitliches Entwicklererlebnis
  • Horizontale, vertikale, unabhängige Skalierung
  • Integrierte KI-Umgebung
  • Mehr als 125 Regionen weltweit