MongoDB 検索する と MongoDB ベクトル検索インデックス

MongoDB Search インデックス モデル

MongoDB Searchインデックスを作成するには、インデックス仕様を設定する CreateSearchIndexModelインスタンスを構築する必要があります。

CreateSearchIndexModelクラスには次のプロパティがあります。

次の例では、CreateSearchIndexModelインスタンスを作成して、search_idx という名前のインデックスの仕様を提供します。コードでは、title フィールドと released フィールドの静的マッピングを指定します。

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
);

MongoDB 検索するフィールドマッピングの詳細については、Atlas ドキュメントのフィールドマッピングの定義を参照してください。

MongoDB Vector Search インデックス モデル

MongoDB ベクトル検索インデックスを作成するには、インデックス仕様を設定する CreateVectorSearchIndexModelインスタンスを構築する必要があります。

CreateVectorSearchIndexModelクラスはCreateSearchIndexModelクラスから継承し、次の追加プロパティがあります。

次の例では、CreateVectorSearchIndexModelインスタンスを作成して、vs_idx という名前のインデックスの仕様を提供します。コードでは埋め込みパスを PlotEmbedding として指定します。これはMongoDBの plot_embeddingフィールドに対応するクラスプロパティ。また、1536 次元もインデックス化し、Euclideanベクトル類似度関数を使用します。

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

MongoDB ベクトル検索の検索インデックスの定義の詳細については、Atlas ドキュメントのベクトル検索のフィールドにインデックスを作成する方法を参照してください。

MongoDB自動埋め込み検索インデックスモデル

CreateAutoEmbeddingVectorSearchIndexModelインデックスモデルを使用して、テキストフィールドのベクトル埋め込みを自動的に生成するMongoDB ベクトル検索インデックスを作成できます。

CreateAutoEmbeddingVectorSearchIndexModel には、CreateVectorSearchIndexModelBase<TDocument> から継承されるプロパティに加えて、次のプロパティがあります。

次の例では、auto_embedded_index という名前のインデックスの仕様を提供する CreateAutoEmbeddingVectorSearchIndexModelインスタンスを作成します。このインデックスは、"voyage-4" 埋め込みモデルを使用して plotフィールドのベクトル埋め込みを自動的に生成し、runtime フィールドと year フィールドの任意のフィルターも含みます。

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

例

次の例では、embedded_moviesコレクションにMongoDB検索インデックスを作成しています。このコードでは、インデックス名を設定し、動的マッピングを可能にする CreateSearchIndexModel が作成されます。次に、コードは CreateSearchIndexModelインスタンスを SearchIndexes.CreateOne() メソッドに渡してMongoDB 検索インデックスを作成します。

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"

例

この例では、次のアクションを実行します。

1. as_idx という名前のMongoDB 検索インデックスを指定する CreateSearchIndexModelインスタンスを作成します

2. vs_idx という名前のMongoDB ベクトル検索インデックスを指定する CreateVectorSearchIndexModelインスタンスを作成します

3. CreateSearchIndexModel インスタンスと CreateVectorSearchIndexModel インスタンスの List を SearchIndexes.CreateMany() メソッドに渡します

4. embedded_moviesコレクションにMongoDB Search 検索インデックスとMongoDB ベクトル検索インデックスを作成します

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

例

次の例では、このページの複数の検索インデックスの作成セクションで作成されたMongoDB SearchおよびMongoDB ベクトル検索インデックスに関する情報にアクセスします。このコードでは SearchIndexes.List() メソッドを呼び出し、コレクションのMongoDB 検索インデックスとMongoDB ベクトル検索インデックスのリストを出力します。

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": [...] }

例

以下の例は、このページの「複数のベクトル検索インデックスの作成」セクションで作成されたvs_index という名前の Vector Search インデックスを更新します。このコードは、インデックスに "dotProduct" をベクトル類似度関数として使用するよう指示する新しいインデックス定義ドキュメントを作成します。次に、このコードは SearchIndexes.Update() メソッドを呼び出してインデックスを更新します。

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

例

次の例では、このページの検索インデックスの作成セクションで作成された example_index という名前のMongoDB検索インデックスを削除します。このコードはインデックス名を SearchIndexes.DropOne() メソッドに渡して、インデックスを削除します。

movieCollection.SearchIndexes.DropOne("example_index");

API ドキュメント

このガイドで言及されているメソッドとタイプの詳細については、次のAPIドキュメントを参照してください。

• CreateSearchIndexModel

• SearchIndexType

• CreateOne()

• CreateMany()

• List()

• Update()

• DropOne()