Índices de búsqueda vectorial de MongoDB

Overview

La Búsqueda Vectorial de MongoDB permite realizar búsquedas semánticas en incrustaciones vectoriales almacenadas en MongoDB Atlas. Antes de realizar consultas de Búsqueda Vectorial de MongoDB, debe crear índices que especifiquen qué campos indexar y cómo hacerlo.

Para obtener más información sobre MongoDB Vector Search, consulte Descripción general de la búsquedavectorial de MongoDB en la documentación de la búsqueda vectorial de MongoDB.

auto db = client["sample_mflix"];
auto collection = db["movies"];

auto siv = collection.search_indexes();

Cree un índice de búsqueda vectorial de MongoDB

Para crear un único índice de búsqueda vectorial de MongoDB en una colección, llame al método create_one() en un objeto mongocxx::search_index_view y pase un objeto mongocxx::search_index_model que especifique el índice que desea crear.

El constructor mongocxx::search_index_model requiere los siguientes argumentos:

• name: String que especifica el nombre del índice

• definition:Documento que especifica cómo configurar los campos en su índice

El siguiente ejemplo muestra cómo crear un único índice de búsqueda vectorial de MongoDB:

// Define the index model with an index name and a definition document
auto model = mongocxx::search_index_model(
  "<vectorSearchIndexName>",
  make_document(
      kvp("fields",
          make_array(make_document(
              kvp("type", "vector"),
              kvp("path", "<fieldName>"),
              kvp("numDimensions", 2048),
              kvp("similarity", "dotProduct"),
              kvp("quantization", "scalar"))))));
model.type("vectorSearch");
// Creates the vector search index
auto result = siv.create_one(model);
std::cout << "New vector search index name: " << result << std::endl;

New vector search index name: vector_search

El índice de búsqueda vectorial tiene la siguiente definición:

• type:El tipo del índice es vectorSearch.

• path:El índice está en el campo plot_embedding_voyage_3_large.

• numDimensions:El número de dimensiones en las incrustaciones vectoriales es 2048.

• similarity:El índice mide la similitud utilizando la similitud dotProduct.

• quantization:El índice utiliza la cuantificación scalar.

Lista de índices de búsqueda vectorial de MongoDB

Para listar todos los índices de búsqueda de una colección, llame al método list() en un objeto mongocxx::search_index_view. Este método devuelve un objeto mongocxx::cursor que puede usar para iterar sobre los índices de MongoDB Vector Search y MongoDB Search de la colección.

El siguiente ejemplo imprime una lista de índices de búsqueda disponibles en la colección especificada:

auto cursor = siv.list(); 
for (auto const& doc : siv.list()) {
    std::cout << bsoncxx::to_json(doc) << std::endl;
}

{ "id" : ..., "name" : "vector_index", "type" : "vectorSearch", ...,
  "latestDefinition" : {  "fields" : [ { "type" : "vector", "path" : "plot_embedding_voyage_3_large", "numDimensions" : 2048, ...}

Como alternativa, puede listar un índice individual de MongoDB Vector Search pasando el nombre del índice al método list(). Esto devuelve un objeto mongocxx::cursor que apunta a un conjunto de resultados que contiene únicamente el índice especificado.

El siguiente ejemplo utiliza el método list() para devolver el índice con el nombre vector_index:

for (auto const& doc : siv.list("vector_index")) {
    std::cout << bsoncxx::to_json(doc) << std::endl;
}

{ "id" : ..., "name" : "vector_index", "type" : "vectorSearch", ...,
  "latestDefinition" : {  "fields" : [ { "type" : "vector", "path" : "plot_embedding_voyage_3_large", "numDimensions" : 2048, ...}

Actualizar un índice de búsqueda vectorial de MongoDB

Para actualizar un índice de búsqueda vectorial de MongoDB, llame al método update_one() en un objeto mongocxx::search_index_view y pase el nombre del índice que desea actualizar y la definición a la que actualizar el índice.

El siguiente ejemplo muestra cómo actualizar el índice de búsqueda vectorial de MongoDB existente del ejemplo anterior Crear un índice de búsqueda vectorial de MongoDB para usar euclidean la dotProduct similitud en binary lugar de y la scalar cuantificación en lugar de:

auto definition = make_document(
  kvp("fields",
      make_array(make_document(
          kvp("type", "vector"), kvp("path", "plot_embedding_voyage_3_large"),
          kvp("numDimensions", 2048), kvp("similarity", "euclidean"), 
          kvp("quantization", "binary")))));
siv.update_one("vector_index", definition.view());

Eliminar un índice de búsqueda vectorial de MongoDB

Para eliminar un índice de búsqueda vectorial MongoDB de una colección, llame al método drop_one() en un objeto mongocxx::search_index_view y pase el nombre del índice que desea eliminar.

El siguiente ejemplo muestra cómo eliminar un índice de búsqueda vectorial de MongoDB llamado vector_index:

siv.drop_one("vector_index");

Información Adicional

Para obtener una aplicación de ejemplo que demuestra cómo administrar índices en el controlador C++, consulte la Guíade índices.

Para obtener guías más detalladas sobre cómo utilizar la función de búsqueda vectorial de MongoDB y definir índices de búsqueda vectorial de MongoDB, consulte las siguientes páginas de documentación de búsqueda vectorial de MongoDB:

• Descripción general de búsqueda vectorial de MongoDB

• Guía rápida de búsqueda vectorial de MongoDB