Índices de MongoDB Vector Search

Overview

MongoDB Vector Search permite realizar búsquedas semánticas en incrustaciones vectoriales almacenadas en MongoDB Atlas. Antes de que puedas realizar consultas de MongoDB Vector Search, debes crear índices que especifiquen qué campos se van a indexar y cómo se indexan.

Para obtener más información sobre MongoDB Vector Search, consulta la Descripción general de MongoDB Vector Search en la documentación de MongoDB Vector Search.

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

• definitionDocumento que especifica cómo configurar los campos en tu 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.

• numDimensionsEl número de dimensiones en los embeddings vectoriales es 2048.

• similarity: el índice mide la similitud usando la similitud dotProduct.

• quantization: El índice utiliza la cuantización scalar.

Listar índices de MongoDB Vector Search

Para enumerar todos los índices de búsqueda en una colección, llama al método list() en un objeto mongocxx::search_index_view. Este método devuelve un objeto mongocxx::cursor que puede utilizar 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 MongoDB Vector Search

Para actualizar un índice de MongoDB Vector Search, debes llamar al método update_one() en un objeto mongocxx::search_index_view y pasar el nombre del índice que deseas actualizar junto con la definición a la que deseas actualizar dicho índice .

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

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());

Remover un MongoDB Vector Search Index

Para remover un índice Vector Search de MongoDB de una colección, llama al método drop_one() en un objeto mongocxx::search_index_view y pasa el nombre del índice que deseas remover.

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

siv.drop_one("vector_index");

Información Adicional

Para una aplicación de muestra que demuestra cómo gestionar índices en el controlador C++, consulta la Indexes guide.

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 MongoDB Vector Search

• Guía rápida de MongoDB Vector Search