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

Funktionen von Atlas Vector Search

Erkunden Sie, wie Sie die Möglichkeiten von Atlas Vector Search für moderne Such- und Generative-KI-Anwendungsfälle nutzen können.

Vollständig verwaltete Entwickler-Datenplattform

Im Gegensatz zu eigenständigen Vektordatenbanken ermöglicht Atlas das Speichern und Arbeiten mit Betriebsdaten, Metadaten und Vektoren auf einer einheitlichen, sicheren und skalierbaren Datenplattform.

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

Skalieren Sie Ihre Daten und senken Sie die Kosten, indem Sie Vektoren komprimieren, um eine effizientere Speicherung, Verarbeitung und Abfrage zu ermöglichen, während die Suchgenauigkeit erhalten bleibt.

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, um Präzision zu betonen, besonders nützlich bei kleinen Datensätzen, bei denen die Verbesserung von Benchmarking und Entwicklungsgeschwindigkeit entscheidend ist.

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

Erste Schritte mit Atlas Vector Search

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