MongoDB Search e MongoDB Vector Search Indexes

Modelo de MongoDB Search índice

Para crear un índice de búsqueda de MongoDB, debes construir una instancia de CreateSearchIndexModel que establezca las especificaciones de tu índice.

La clase CreateSearchIndexModel tiene las siguientes propiedades:

El siguiente ejemplo crea una instancia CreateSearchIndexModel para proporcionar especificaciones para un índice denominado search_idx. El código especifica asignaciones estáticas de los campos title y released:

var def = new BsonDocument {
  { "mappings", new BsonDocument {
      { "dynamic", false },
      { "fields", new BsonDocument {
        { "title", new BsonDocument { {"type", "string" } } },
        { "released", new BsonDocument { { "type", "date" } } } } }
  } }
};
var indexModel = new CreateSearchIndexModel(
  "search_idx",
  SearchIndexType.Search,
  def
);

Para saber más sobre los mapeos de campos de búsqueda en MongoDB Search, consulta Definir mapeos de campos en la documentación de Atlas.

Modelo de MongoDB Vector Search índice

Para crear un índice de búsqueda vectorial en MongoDB Vector Search, debes crear una instancia de CreateVectorSearchIndexModel que establezca las especificaciones de tu índice.

La clase CreateVectorSearchIndexModel hereda de la clase CreateSearchIndexModel y tiene las siguientes propiedades adicionales:

El siguiente ejemplo crea una instancia de CreateVectorSearchIndexModel para proporcionar especificaciones para un índice llamado vs_idx. El código especifica la ruta de incrustación como PlotEmbedding, una propiedad de clase que corresponde al campo plot_embedding en MongoDB. También indexa 1536 dimensiones y utiliza la función de similitud vectorial Euclidean.

var model = new CreateVectorSearchIndexModel<Movie> (
  model => model.PlotEmbedding,
  "vs_idx",
  VectorSimilarity.Euclidean,
  1536);

Para obtener más información sobre cómo definir índices de MongoDB Vector Search, consulta Cómo crear índices de campos para búsqueda vectorial en la documentación de Atlas.

Modelo de índice de búsqueda con auto-embebido de MongoDB

Puedes utilizar un modelo de índices CreateAutoEmbeddingVectorSearchIndexModel para crear un índice de MongoDB Vector Search que automáticamente genere incrustaciones de vectores para los campos de texto.

El CreateAutoEmbeddingVectorSearchIndexModel tiene las siguientes propiedades:

El siguiente ejemplo crea una instancia de CreateAutoEmbeddingVectorSearchIndexModel que proporciona especificaciones para un índice denominado auto_embedded_index. Este índice utiliza el modelo de embedding "voyage-4" para generar automáticamente embeddings vectoriales para el campo plot, e incluye también filtros opcionales para los campos runtime y year:

var model = new CreateAutoEmbeddingVectorSearchIndexModel<EmbeddedMovie>(
  m => m.Plot,
  "auto_embedding_index",
  "voyage-4",
  m => m.Runtime, m => m.Year  // Optional filter fields
);

Ejemplo

El siguiente ejemplo crea un índice de búsqueda de MongoDB en la colección embedded_movies. El código crea un CreateSearchIndexModel que establece el nombre del índice y habilita el mapeo dinámico. Luego, el código pasa la instancia de CreateSearchIndexModel al método SearchIndexes.CreateOne() para crear el MongoDB Search índice:

var indexModel = new CreateSearchIndexModel(
  "example_index",
  SearchIndexType.Search,
  new BsonDocument {
    { "mappings", new BsonDocument {
      { "dynamic", true },
    } }
  }
);
var result = movieCollection.SearchIndexes.CreateOne(indexModel);
Console.WriteLine("Created MongoDB Search index:\n{0}", result);

Created MongoDB Search index:
"example_index"

Ejemplo

Este ejemplo realiza las siguientes acciones:

1. Crea una instancia CreateSearchIndexModel que especifica un índice MongoDB Search llamado as_idx

2. Crea una instancia de CreateVectorSearchIndexModel que especifica un índice de MongoDB Vector Search llamado vs_idx

3. Pasa un List de las instancias CreateSearchIndexModel y CreateVectorSearchIndexModel al método SearchIndexes.CreateMany()

4. Crea los índices de búsqueda de MongoDB y MongoDB Vector Search en la colección embedded_movies

var searchModel = new CreateSearchIndexModel(
  "as_idx",
  SearchIndexType.Search,
  new BsonDocument {
    { "mappings", new BsonDocument {
      { "dynamic", true },
    } }
  }
);
var vectorModel = new CreateVectorSearchIndexModel<Movie>(
  m => m.PlotEmbedding,
  "vs_idx",
  VectorSimilarity.Euclidean,
  1536);
var models = new List<CreateSearchIndexModel> { searchModel, vectorModel };
var indexes = movieCollection.SearchIndexes.CreateMany(models);
Console.WriteLine("Created Search indexes:\n{0} {1}", indexes.ToArray());

Created Search indexes:
as_idx vs_idx

Ejemplo

El siguiente ejemplo accede a información sobre los índices de MongoDB Search y MongoDB Vector Search creados en la sección Crear múltiples índices de búsqueda de esta página. El código llama al método SearchIndexes.List() e imprime una lista de los índices de MongoDB Search y MongoDB Vector Search en la colección:

var indexesList = movieCollection.SearchIndexes.List().ToList();
foreach (var i in indexesList)
{
  Console.WriteLine(i);
}

{ "id": "...", "name": "as_idx", "status": "READY", "queryable":
true, "latestDefinitionVersion": {...}, "latestDefinition": {
"mappings": { "dynamic": true } }, "statusDetail": [...] }
{ "id": "...", "name": "vs_idx", "type": "vectorSearch", "status":
"READY", "queryable": true, ..., "latestDefinition": { "fields": [{
"type": "vector", "path": "plot_embedding", "numDimensions": 1536,
"similarity": "euclidean" }] }, "statusDetail": [...] }

Ejemplo

El siguiente ejemplo actualiza el índice de Vector Search llamado vs_index, creado en la sección Crear múltiples índices de búsqueda de esta página. El código crea un nuevo documento de definición de índice que instruye al índice a utilizar "dotProduct" como la función vectorial de similitud. Luego, el código llama al método SearchIndexes.Update() para actualizar el índice:

var updatedDef = new BsonDocument
{
    { "fields", new BsonArray
        {
            new BsonDocument
            {
                { "type", "vector" },
                { "path", "plot_embedding" },
                { "numDimensions", 1536 },
                { "similarity", "dotProduct" }
            }
        }
    }
};
movieCollection.SearchIndexes.Update("vs_index", updatedDef);

Ejemplo

El siguiente ejemplo borra el índice de MongoDB Search llamado example_index creado en la sección Crear un índice de búsqueda de esta página. El código pasa el nombre del índice al método SearchIndexes.DropOne() para borrar el índice:

movieCollection.SearchIndexes.DropOne("example_index");

Documentación de la API

Para obtener más información sobre los métodos y tipos mencionados en esta guía, vea la siguiente documentación de la API:

• CreateSearchIndexModel

• SearchIndexType

• CreateOne()

• CreateMany()

• List()

• Update()

• DropOne()