Para agentes de IA: hay un índice de documentación disponible en https://www.mongodb.com/es/docs/llms.txt; las versiones en Markdown de todas las páginas están disponibles agregando .md a cualquier ruta URL.
Make the MongoDB docs better! We value your opinion. Share your feedback for a chance to win $100.
MongoDB Branding Shape
Click here >
Docs Menu

MongoDB Vector Search Changelog

  • Agrega soporte de vista previa para $vectorSearch sobre arreglos de incrustaciones y arreglos de documentos incrustados que contienen vectores.
  • Presenta la opción storedSource para los índices de búsqueda vectorial de MongoDB, que permite almacenar los campos del document de origen junto con el índice y devolverlos en los resultados de $vectorSearch utilizando returnStoredSource.
  • Agrega soporte de vista previa para índices planos en MongoDB búsqueda vectorial mediante el valor flat para la opción indexingMethod. Los índices planos ofrecen un soporte mejorado para cargas de trabajo multiaquilinas, proporcionando mejoras en el rendimiento, la recuperación y la eficiencia de recursos.
  • Agrega soporte de vista previa para prefiltros léxicos para búsqueda vectorial con la adición del operador búsqueda vectorial y el tipo de índice. Esto te permite filtrar documentos por capacidades de texto analizado, como búsqueda difusa, coincidencia de frases, filtrado por ubicación, coincidencia de patrones comodín, etc., antes de realizar búsquedas de similitud de vectores.
  • Permite configurar el operador $ne a null en los prefiltros de MongoDB Vector Search.
  • Añadir el número de segmentos y estadísticas por segmento a la salida de explain de MongoDB Vector Search.
  • MongoDB v8.1 soportes:

    • Creando índices en Views utilizando los métodos mongosh y Driver.

    • Ejecutando $vectorSearch consultas contra las Vistas estándar.

  • Aumenta el límite de dimensión del vector a 8192.
  • Admite explicar resultados para las consultas de búsqueda vectorial int8 y uint1.
  • Admite la funcionalidad de cuantificación escalar para reducir los requisitos de memoria principal de la búsqueda vectorial en alrededor de un 75%.

  • Admite la funcionalidad de cuantización binaria para reducir los requisitos de memoria principal de la búsqueda vectorial en aproximadamente un 97%.

  • Admite la ingestión de int1 vectores utilizando el nuevo BinData vector subtipo.

  • Admite búsquedas ENN utilizando int8 los int1 subtipos y.

  • Admite pre-filtrado utilizando arreglos con todos los operadores.

  • Permite el uso de ObjectId con operadores de rango en pre-filtros de MongoDB Vector Search.

  • Admite usar valores de UUID con todos los operadores en los prefiltros de MongoDB Vector Search.

  • Admite el uso del operador $not en los prefiltros de MongoDB Vector Search.

  • Actualizaciones a Java 21. Java 21 es compatible con SIMD, que aumenta la cantidad de paralelismo que la CPU puede realizar durante comparaciones vectoriales.

    Nota

    Atlas hará la reindexación de todos tus índices existentes de MongoDB Search en el clúster de Atlas de manera escalonada. La interfaz de usuario de Atlas mostrará alertas que indican el momento de su reindexación. Es posible que los clústeres que no utilicen nodos de búsqueda separados noten un aumento temporal en la utilización del disco y la CPU durante la reindexación. Para clústeres que utilizan nodos de búsqueda separados, Atlas implementará temporalmente nodos adicionales de forma gratuita para la reindexación y no habrá tiempo de inactividad para el intercambio de índices cuando se complete la creación del nuevo índice.

  • Admite la creación de índices en los niveles gratuitos (M0) y compartidos (M2 y M5) mediante el uso de MongoDB drivers.

  • Introduce exact bandera en $vectorSearch para realizar ENN búsqueda para pequeños casos de uso de benchmarking a escala, multi-inquilino o recall. Para obtener más información, consulte Ejecutar consultas de búsqueda vectorial.

  • Admite pre-filtrado datos por campos de fecha indexados como el tipo filter.
  • Actualiza las queries de MongoDB Vector Search para que se ejecuten simultáneamente por defecto en nodos de búsqueda.
  • Aumenta el límite de dimensión del vector a 4096.
  • Pone $vectorSearch generalmente disponible tanto para su desarrollo como para sus implementaciones de producción. También se crean de forma independiente los Nodos de búsqueda para que AWS estén generalmente disponibles tanto para las implementaciones de desarrollo como para las de producción. Para obtener más información, consulta Arquitectura de Nodo.

  • Introduce el tipo de índice vectorSearch que indexa embeddings de vectores como tipo vector para búsquedas semánticas y booleanos, datos numéricos y de string como tipo filtro para prefiltrado.

Nota

Estamos en proceso de implementar la nueva experiencia de MongoDB Vector Search con una definición dedicada de índice de MongoDB Vector Search. Estará disponible en tu proyecto en los próximos días o después del próximo periodo de mantenimiento.

Presenta $vectorSearch para realizar búsquedas semánticas en los datos de tu clúster de Atlas con MongoDB 7.0.2.

Nota

MongoDB Vector Search está disponible como una funcionalidad previa. Se pone a disposición para fines de evaluación y para recopilar comentarios de los usuarios. No se recomienda para implementaciones en producción, ya que la funcionalidad y la documentación correspondiente podrían cambiar en cualquier momento durante el período de Vista Previa.

Para obtener más información, consulta MongoDB Vector Search Overview.