/ /

MongoDB ベクトル検索結果の説明

explain メソッドを使用してMongoDB ベクトル検索クエリを実行すると、クエリは内部でクエリを実行する方法を説明するクエリプランと実行統計を含むBSONドキュメントを返します。

Tip

構文

db.<myCollection>.explain("<verbosity>").aggregate([
   {
     "$vectorSearch": {
       "exact": true | false,
       "filter": {<filter-specification>},
       "index": "<index-name>",
       "limit": <number-of-results>,
       "numCandidates": <number-of-candidates>,
       "path": "<field-to-search>",
       "queryVector": [<array-of-numbers>],
       "explainOptions": {
         "traceDocumentIds": [<array-of-document-IDs>]
       }
     }
   }
])

冗長

冗長モードは、explain の動作と返される情報の量を制御します。値は、冗長を減らすために、次のいずれかになります。

allPlansExecution	クエリの実行統計を含む `stats` フィールドを含むクエリプランに関する情報プラン選択中にキャプチャされた部分的な実行データが含まれます。
executionStats	クエリの実行統計情報をもつ `stats` フィールドを含む、クエリプランに関する情報です。
queryPlanner （デフォルト）	クエリプランに関する情報。`stats` フィールドは、クエリの実行統計をもつため、含まれていません。

Tip

冗長モード

explain の結果

explain メソッドは、次のフィールドを含むBSONドキュメントを返します。

オプション	タイプ	必要性	目的
`collectors`	ドキュメント	任意	コレクターの実行統計を説明します。
`metadata`	ドキュメント	任意	有用なメタデータを含んでいます。
`query`	ドキュメント	任意	クエリの実行統計を説明します。これは `indexPartitionExplain` のトップレベルにはありません。
`resultMaterialization`	ドキュメント	任意	クエリ実行後にドキュメントごとのデータを取得する方法の詳細。これは、`queryPlanner` の冗長モードでは返されません。
`resourceUsage`	ドキュメント	任意	クエリが実行されたときのリソース使用状況を詳述します。`queryPlanner`の冗長モードでは返されません。
`vectorTracing`	オブジェクトの配列	任意	指定されたドキュメント内のベクトルについて、次のような詳細をトレースします。 MongoDB ベクトル検索がクエリの実行中にベクトルを訪問したかどうか、ベクトルがMongoDB ベクトル検索結果セットにベクトルが表示されたかどうか、およびベクトルが削除された理由は次のとおりです。ベクトルが通常到達可能かどうかは、Hierarchical Navigable Small Worlds の確率的な性質上、一部のベクトルが到達できない可能性があるためです。
`luceneVectorSegmentStats`	オブジェクトの配列	任意	`$vectorSearch` クエリ実行の Per Lucene セグメントの詳細。

`collectors`

collectors は、次のフィールドを含むBSONドキュメントです。

フィールド	タイプ	必要性	目的
`allCollectorStats`	ドキュメント	必須	クエリのすべてのコレクターの統計情報。報告される統計は、クエリで使用されるすべてのコレクターにわたる最大値または、すべてのサブコレクションにわたる統計の合計を表します。タイミング統計は、クエリ全体のすべてのコレクターで費やされた合計時間を反映するように合計されます。詳しくは、を参照してください。

`allCollectorStats`

allCollectorStats は、クエリで指定されたすべてのコレクターのコレクター統計を記述するBSONドキュメントです。これには、次のキーが含まれています。

フィールド	説明
`collect`	コレクターが収集した期間と結果の数を追跡します。
`competitiveIterator`	コレクターから `competitiveIterator` が要求された合計時間と回数を追跡する統計。
`setScorer`	スコアラーがコレクターに設定された合計時間と回数を追跡する統計。

`metadata`

metadata には、次のような有用なメタデータが含まれています。

フィールド	タイプ	必要性	目的
`mongotVersion`	文字列	任意	`mongot`の現在のバージョンです。
`mongotHostName`	文字列	任意	`mongot` ホストを識別する、人間が判読できるラベル。
`indexName`	文字列	任意	クエリで使用されるMongoDB ベクトル検索インデックス。
`cursorOptions`	ドキュメント	任意	`mongot` に指定されたカーソルオプション。
`totalLuceneDocs`	整数	任意	削除されたドキュメントを含むインデックス内のドキュメントの合計数。

`query`

explain応答は、クエリの実行統計を説明するキーと値を含むBSONドキュメントです。結果セット内の explainドキュメントには、次のフィールドが含まれています。

フィールド	タイプ	必要性	目的
`path`	string	任意	クエリされた埋め込みフィールドへのパス（ルートでない場合にのみ）。
`type`	string	必須	ベクトル検索クエリーのタイプの名前。詳しくは、 `query` を参照してください。
`args`	ドキュメント	必須	ベクトル検索クエリー情報。詳しくは、 `query` を参照してください。
`stats`	ドキュメント	任意	`stats` for the query if `explain` ran with `executionStats` or `allPlansExecution` verbosity.

`args`

explain 応答には、クエリが内部的に実行された方法に関する情報が含まれます。args フィールドには、次の詳細が含まれています。

クエリタイプ
各クエリタイプの構造化された概要の例
構造化サマリー内のクエリオプション

次のセクションでは、クエリのタイプと構造化サマリーのフィールドについて説明します。

WrappedKnnQuery

複数のクエリを組み合わせた Ann ベクトル検索に使用されるラッパークエリ。構造化されたサマリーには、次のオプションの詳細が含まれます。

フィールド	タイプ	必要性	説明
`query`	配列	必須	ベクトル検索で使用されるサブクエリの配列。通常、`KnnFloatVectorQuery` と `DocAndScoreQuery` が含まれます。

KnnFloatVectorQuery

浮動小数ベクトルに対する ANN 検索に固有のクエリタイプ。構造化されたサマリーには、次のオプションに関する詳細が含まれています。

フィールド	タイプ	必要性	説明
`field`	文字列	必須	検索対象のベクトルフィールドパス。
`k`	整数	必須	検索する最近傍の数。

DocAndScoreQuery: ドキュメントの一致とスコアリングを処理するクエリタイプ。構造化されたサマリーには通常、クエリの実行に関する統計が含まれます。

ExactVectorSearchQuery

ENNベクトル検索のクエリタイプ。構造化されたサマリーには、次のオプションに関する詳細が含まれています。

フィールド	タイプ	必要性	説明
`field`	文字列	必須	検索対象のベクトルフィールドパス。
`similarityFunction`	文字列	必須	使用される類似性関数（`dotProduct`、`cosine`、または `euclidean`）。
`filter`	ドキュメント	任意	ベクトル検索範囲を制限するプレフィルタークエリ。

BooleanQuery: ベクトル検索クエリーで事前フィルターを使用する場合、説明結果にはBooleanQuery 型が含まれます。このタイプのフィールドおよび事前フィルタークエリに固有のその他のクエリタイプの詳細については、 MongoDB Search 説明ページの「クエリタイプ」を参照してください。

DefaultQuery

別のクエリによって明示的に定義されていないクエリは、デフォルトのクエリを使用して直列化されます。構造化されたサマリーには、次のオプションの詳細が含まれます。

フィールド	タイプ	必要性	説明
`queryType`	文字列	必須	クエリのタイプ。

`stats`

The explain response for executionStats and allPlansExecution verbosity modes includes a stats field that contains information on how much time a query spends in various stages of query execution.

タイミングの内訳

The timing breakdown describes execution statistics pertinent to an areas of query execution. The following fields show the timing breakdown:

フィールド	タイプ	説明
`millisElapsed`	Long	Approximate wall-clock time elapsed performing tasks in this area including the amount of time the children of the query spent in this area. The value is approximate number of milliseconds elapsed while performing tasks in this area.
`invocationCounts`	ドキュメント	Number of invocations of tasks included in this area. The value is a map of task names to their invocation count.

クエリの領域

統計は、クエリの次の領域で利用できます。

オプション

説明

context

ベクトル検索クエリーの実行に関連する統計。この領域には、呼び出し回数が列挙されるタスクが 2 つあります。

createScorer

スコアリングはドキュメントを反復処理し、各ドキュメントに対してスコアを生成します。 createScorerを呼び出すと、スコアリングを担当するオブジェクトが作成されます。このタスクに関連付けられている時間は、実際にドキュメントのスコアリングに費やされた時間ではないことに注意してください。カウントにはscorerSupplier呼び出しの数が含まれます。

createWeight

重みはクエリとIndexSearcherに関連付けられた状態を保存します。カウントにはcreateWeight呼び出しの数が含まれます。

The time spent in this area is related to the structure of the query, and is not based on the number of results that are iterated through and scored.

以下に例を挙げます。

"context" : {
  "millisElapsed" : NumberDouble(4.934751),
  "invocationCounts" : {
    "createWeight" : NumberLong(1),
    "createScorer" : NumberLong(10)
  }
}

match

結果ドキュメントの反復処理と一致に関連する統計。この統計は、どのドキュメントが次の一致であるかを決定するのにかかる時間を示しています。結果のマッチングに費やされる時間は、クエリの性質によって大きく異なる場合があります。この領域には、呼び出し回数が列挙されるタスクが 2 つあります。

nextDoc

結果セットの次のドキュメントに進むことを要求します。これには、スキップを識別して過去のスキップに移動するか、次の一致を見つけるために必要なその他のタスクが含まれます。カウントには、 nextDocとadvanceの呼び出しの数が含まれます。

refineRoughMatch

より完全な一致を実行します。一部のクエリは 2 段階のプロセスで実行されます。このプロセスではドキュメントは最初に「ほぼ」一致し、最初のおおよその一致を満たした後にのみ、2 番目のより詳細なフェーズでチェックされます。 refineRoughMatchタスクは、2 フェーズプロセスの 2 番目のフェーズです。カウントにはrefineRoughMatch呼び出しの数が含まれます。

以下に例を挙げます。

"match" : {
  "millisElapsed" : NumberDouble(4.901597),
  "invocationCounts" : {
    "nextDoc" : NumberLong(541),
    "refineRoughMatch" : NumberLong(0)
  }
}

score

結果セット内のドキュメントのスコアリングに関連する統計。この領域には、呼び出し回数が列挙されるタスクが 2 つあります。

`score`	結果セット内の各ドキュメントにスコアを付けます。カウントには`score`呼び出しの数が含まれます。
`setMinCompetitiveScore`	指定された値よりスコアが小さいドキュメントを無視します。スコアが一定の非競合しきい値を下回るドキュメントを無視することで、クエリが実行されるスコアリング操作の数を減らすことができた可能性があることを示します。カウントには`setMinCompetitiveScore`呼び出しの数が含まれます。

以下に例を挙げます。

"score" : {
  "millisElapsed" : NumberDouble(3.931312),
  "invocationCounts" : {
    "score" : NumberLong(536),
    "setMinCompetitiveScore" : NumberLong(0)
  }
}

`resourceUsage`

resourceUsage ドキュメントには、クエリの実行に使用されるリソースが表示されます。次のフィールドが含まれています。

フィールド	タイプ	必要性	目的
`majorFaults`	Long	必須	クエリ実行中にシステムがメモリ内で必要なデータを見つけられず、ディスクなどのバッキングストアから読み込む場合に発生するメジャーなページフォールトの数。
`minorFaults`	Long	必須	データがページキャッシュにあるが、まだプロセスのページテーブルにマップされていない場合に発生するマイナーページフォールトの数。
`userTimeMs`	Long	必須	ユーザー空間で費やされた CPU 時間（ミリ秒単位）。
`systemTimeMs`	Long	必須	システム空間で費やされた CPU 時間（ミリ秒単位）。
`maxReportingThreads`	整数	必須	すべてのバッチでのクエリ実行中に`mongot`が使用したスレッドの最大数。非並行のExplainクエリの場合、値は`1`です。
`numBatches`	整数	必須	クエリのプロセシング中に `mongot` が要求されたバッチの総数。

`vectorTracing`

vectorTracing 配列にはドキュメントごとに 1 つのオブジェクトのリストが含まれています。これには、ドキュメント内のベクトルに関する次の詳細があります。

フィールド	タイプ	必要性	目的
`visited`	ブール値	必須	クエリの実行中にトレースされたベクトルが訪問されたかどうかを指定するフラグ。
`dropReason`	文字列	条件付き	ベクトルを削除する理由。これは、ベクトルが訪問され、結果から削除された場合にのみ存在します。値は次のとおりです。 `Merge` `NonCompetitiveScore` `Filter` `Rescoring`
`vectorSearchScore`	Double	条件付き	ベクトルに関連付けられたスコア。これはベクトルが訪問された場合にのみ存在します
`luceneSegment`	整数	必須	ベクトルが属する Lucene セグメント番号。詳しくは、を参照してください。
`unreachable`	ブール値	条件付き	ベクトルが到達不能かどうかを指定するフラグ。これはベクトルが到達不能な場合にのみ存在します。

`luceneVectorSegmentStats`

オブジェクトの luceneVectorSegmentStats 配列には、$vectorSearch クエリ実行の Lucene セグメントごとの内訳が含まれています。各セグメントは番号で識別され、クエリ実行の詳細を記述するパラメーターが含まれます。

{
  "0": {
    "executionType": "Approximate",
    "approximateTimeMillis": 0.10825,
    "filterMatchedDocsCount": 0,
    "docCount": 100
  },
  "1": {
    "executionType": "Exact",
    "exactTimeMillis": 0.10825,
    "filterMatchedDocsCount": 0,
    "docCount": 55
  },
  "2": {
    "executionType": "ApproximateToExactFallback",
    "approximateTimeMillis": 0.10825,
    "exactTimeMillis": 0.10825,
    "filterMatchedDocsCount": 0,
    "docCount": 55
  }
}

フィールド	タイプ	必要性	目的
`executionType`	文字列	必須	実行戦略。値は次のいずれかになります。 `Approximate` `Exact` `ApproximateToExactFallback`
`approximateStage`	Float	条件付き	近似フェーズの時間（ミリ秒単位）。これは、`Approximate` と `ApproximateFallbackToExact` 実行タイプでのみ返されます。
`exactStage`	Float	条件付き	正確なフェーズの時間（ミリ秒単位）。これは、`Exact` と `ApproximateFallbackToExact` 実行タイプでのみ返されます。
`filterMatchedDocsCount`	整数	任意	クエリでプレフィルターを指定した場合に、クエリフィルターに一致したドキュメントの数。
`docCount`	整数	必須	セグメント内のドキュメントの合計数。

例

次の例では、サンプルAnnexplain と ENN クエリでメソッドを使用します。自分の環境で次の例を実行するには、まずを使用してMongoDB ベクトル検索クイック mongoshスタートを完了する必要があります。

`allPlansExecution`

plot_embedding_voyage_3_large次の例では、allPlansExecution の冗長モードを使用して、フィールドの DN と ENNベクトル検索クエリーで explain メソッドを実行します。

db.embedded_movies.explain("allPlansExecution").aggregate([
  {
    "$vectorSearch": {
      "index": "vector_index",
      "path": "plot_embedding_voyage_3_large",
      "queryVector": QUERY_EMBEDDING,
      "numCandidates": 150,
      "limit": 10
    }
  }
])

1 {
2   explainVersion: '1',
3   stages: [
4     {
5       '$vectorSearch': {
6         index: 'vector_index',
7         path: 'plot_embedding_voyage_3_large',
8         queryVector: 'redacted',
9         numCandidates: 150,
10         limit: 10,
11         explain: {
12           query: {
13             type: 'WrappedKnnQuery',
14             args: {
15               query: [
16                 {
17                   type: 'InstrumentableKnnFloatVectorQuery',
18                   args: {
19                     field: '$type:knnVector/plot_embedding_voyage_3_large',
20                     k: 150
21                   },
22                   stats: {
23                     context: { millisElapsed: 0 },
24                     match: { millisElapsed: 0 },
25                     score: { millisElapsed: 0 }
26                   }
27                 },
28                 {
29                   type: 'DocAndScoreQuery',
30                   args: {},
31                   stats: {
32                     context: {
33                       millisElapsed: 1.378949,
34                       invocationCounts: {
35                         createWeight: Long('1'),
36                         createScorer: Long('4')
37                       }
38                     },
39                     match: {
40                       millisElapsed: 0.341389,
41                       invocationCounts: { nextDoc: Long('152') }
42                     },
43                     score: {
44                       millisElapsed: 0.205415,
45                       invocationCounts: {
46                         score: Long('150'),
47                         setMinCompetitiveScore: Long('26')
48                       }
49                     }
50                   }
51                 }
52               ]
53             },
54             stats: {
55               context: {
56                 millisElapsed: 57.285674,
57                 invocationCounts: {
58                   vectorExecution: Long('1'),
59                   createWeight: Long('1'),
60                   createScorer: Long('4')
61                 }
62               },
63               match: {
64                 millisElapsed: 0.341389,
65                 invocationCounts: { nextDoc: Long('152') }
66               },
67               score: {
68                 millisElapsed: 0.205415,
69                 invocationCounts: {
70                   score: Long('150'),
71                   setMinCompetitiveScore: Long('26')
72                 }
73               }
74             }
75           },
76           collectors: {
77             allCollectorStats: {
78               millisElapsed: 0.840381,
79               invocationCounts: {
80                 collect: Long('150'),
81                 competitiveIterator: Long('2'),
82                 setScorer: Long('2')
83               }
84             }
85           },
86           metadata: {
87             mongotVersion: '1.54.0',
88             mongotHostName: '<hostname>.mongodb.net',
89             indexName: 'vector_index',
90             lucene: { totalSegments: 2, totalDocs: 3483 }
91           },
92           resourceUsage: {
93             majorFaults: Long('0'),
94             minorFaults: Long('0'),
95             userTimeMs: Long('0'),
96             systemTimeMs: Long('0'),
97             maxReportingThreads: 1,
98             numBatches: 1
99           },
100           luceneVectorSegmentStats: [
101             {
102               id: '_0',
103               executionType: 'Approximate',
104               docCount: 1952,
105               approximateStage: { millisElapsed: 32.916505 }
106             },
107             {
108               id: '_1',
109               executionType: 'Approximate',
110               docCount: 1531,
111               approximateStage: { millisElapsed: 8.661519 }
112             }
113           ]
114         }
115       },
116       nReturned: Long('10'),
117       executionTimeMillisEstimate: Long('256')
118     },
119     {
120       '$_internalSearchIdLookup': {
121         limit: Long('10'),
122         subPipeline: [
123           { '$match': { _id: { '$eq': '_id placeholder' } } }
124         ],
125         totalDocsExamined: Long('10'),
126         totalKeysExamined: Long('10'),
127         numDocsFilteredByIdLookup: Long('0')
128       },
129       nReturned: Long('10'),
130       executionTimeMillisEstimate: Long('256')
131     }
132   ],
133   queryShapeHash: '2E39BED257F2B59D3F8652E1A81A18B1140602C4E253DED9FE208D584EA00083',
134   serverInfo: {
135     host: '<hostname>.mongodb.net',
136     port: 27017,
137     version: '8.2.1-rc1',
138     gitVersion: '3312bdcf28aa65f5930005e21c2cb130f648b8c3'
139   },
140   serverParameters: {
141     internalQueryFacetBufferSizeBytes: 104857600,
142     internalQueryFacetMaxOutputDocSizeBytes: 104857600,
143     internalLookupStageIntermediateDocumentMaxSizeBytes: 104857600,
144     internalDocumentSourceGroupMaxMemoryBytes: 104857600,
145     internalQueryMaxBlockingSortMemoryUsageBytes: 104857600,
146     internalQueryProhibitBlockingMergeOnMongoS: 0,
147     internalQueryMaxAddToSetBytes: 104857600,
148     internalDocumentSourceSetWindowFieldsMaxMemoryBytes: 104857600,
149     internalQueryFrameworkControl: 'trySbeRestricted',
150     internalQueryPlannerIgnoreIndexWithCollationForRegex: 1
151   },
152   command: {
153     aggregate: 'embedded_movies',
154     pipeline: [
155       {
156         '$vectorSearch': {
157           index: 'vector_index',
158           path: 'plot_embedding_voyage_3_large',
159           queryVector: [
160             -0.034731735,  0.008558298,   -0.0153717, -0.029912498,  0.011549547,
161             ...,
162             -0.006688767,  0.047527634,  0.040714234
163           ],
164           numCandidates: 150,
165           limit: 10
166         }
167       }
168     ],
169     cursor: {},
170     '$db': 'sample_mflix'
171   },
172   ok: 1,
173   '$clusterTime': {
174     clusterTime: Timestamp({ t: 1759341228, i: 32 }),
175     signature: {
176       hash: Binary.createFromBase64('BsaUr/khHU1Fyl5/g8htqoavlU8=', 0),
177       keyId: Long('7553982574624768005')
178     }
179   },
180   operationTime: Timestamp({ t: 1759341228, i: 32 })
181 }

db.embedded_movies.explain("allPlansExecution").aggregate([
  {
    "$vectorSearch": {
      "index": "vector_index",
      "path": "plot_embedding_voyage_3_large",
      "queryVector": QUERY_EMBEDDING,
      "exact": true,
      "limit": 10
    }
  }
])

{
  explainVersion: '1',
  stages: [
    {
      '$vectorSearch': {
        index: 'vector_index',
        path: 'plot_embedding_voyage_3_large',
        queryVector: 'redacted',
        exact: true,
        limit: 10,
        explain: {
          query: {
            type: 'ExactVectorSearchQuery',
            args: {
              field: '$type:knnVector/plot_embedding_voyage_3_large',
              similarityFunction: 'dotProduct',
              filter: {
                type: 'DefaultQuery',
                args: { queryType: 'FieldExistsQuery' },
                stats: {
                  context: {
                    millisElapsed: 0.756254,
                    invocationCounts: {
                      createWeight: Long('1'),
                      createScorer: Long('4')
                    }
                  },
                  match: {
                    millisElapsed: 3.835071,
                    invocationCounts: { nextDoc: Long('3405') }
                  },
                  score: { millisElapsed: 0 }
                }
              }
            },
            stats: {
              context: {
                millisElapsed: 1.271846,
                invocationCounts: { createWeight: Long('1'), createScorer: Long('4') }
              },
              match: {
                millisElapsed: 7.699638,
                invocationCounts: { nextDoc: Long('3405') }
              },
              score: {
                millisElapsed: 139.077653,
                invocationCounts: {
                  score: Long('3403'),
                  setMinCompetitiveScore: Long('63')
                }
              }
            }
          },
          collectors: {
            allCollectorStats: {
              millisElapsed: 146.798572,
              invocationCounts: {
                collect: Long('3403'),
                competitiveIterator: Long('2'),
                setScorer: Long('2')
              }
            }
          },
          metadata: {
            mongotVersion: '1.54.0',
            mongotHostName: '<hostname>.mongodb.net',
            indexName: 'vector_index',
            lucene: { totalSegments: 2, totalDocs: 3483 }
          },
          resourceUsage: {
            majorFaults: Long('0'),
            minorFaults: Long('0'),
            userTimeMs: Long('0'),
            systemTimeMs: Long('0'),
            maxReportingThreads: 1,
            numBatches: 1
          }
        }
      },
      nReturned: Long('10'),
      executionTimeMillisEstimate: Long('208')
    },
    {
      '$_internalSearchIdLookup': {
        limit: Long('10'),
        subPipeline: [
          { '$match': { _id: { '$eq': '_id placeholder' } } }
        ],
        totalDocsExamined: Long('10'),
        totalKeysExamined: Long('10'),
        numDocsFilteredByIdLookup: Long('0')
      },
      nReturned: Long('10'),
      executionTimeMillisEstimate: Long('208')
    }
  ],
  queryShapeHash: '2E39BED257F2B59D3F8652E1A81A18B1140602C4E253DED9FE208D584EA00083',
  serverInfo: {
    host: '<hostname>.mongodb.net',
    port: 27017,
    version: '8.2.1-rc1',
    gitVersion: '3312bdcf28aa65f5930005e21c2cb130f648b8c3'
  },
  serverParameters: {
    internalQueryFacetBufferSizeBytes: 104857600,
    internalQueryFacetMaxOutputDocSizeBytes: 104857600,
    internalLookupStageIntermediateDocumentMaxSizeBytes: 104857600,
    internalDocumentSourceGroupMaxMemoryBytes: 104857600,
    internalQueryMaxBlockingSortMemoryUsageBytes: 104857600,
    internalQueryProhibitBlockingMergeOnMongoS: 0,
    internalQueryMaxAddToSetBytes: 104857600,
    internalDocumentSourceSetWindowFieldsMaxMemoryBytes: 104857600,
    internalQueryFrameworkControl: 'trySbeRestricted',
    internalQueryPlannerIgnoreIndexWithCollationForRegex: 1
  },
  command: {
    aggregate: 'embedded_movies',
    pipeline: [
      {
        '$vectorSearch': {
          index: 'vector_index',
          path: 'plot_embedding_voyage_3_large',
          queryVector: [
            -0.034731735,  0.008558298,   -0.0153717, -0.029912498,  0.011549547,
            ...,
            -0.006688767,  0.047527634,  0.040714234
          ],
          exact: true,
          limit: 10
        }
      }
    ],
    cursor: {},
    '$db': 'sample_mflix'
  },
  ok: 1,
  '$clusterTime': {
    clusterTime: Timestamp({ t: 1759341655, i: 1 }),
    signature: {
      hash: Binary.createFromBase64('/pUN/IbVV/OKyakbZcIug8HRS8M=', 0),
      keyId: Long('7553982574624768005')
    }
  },
  operationTime: Timestamp({ t: 1759341655, i: 1 })
}

`queryPlanner`

plot_embedding_voyage_3_large次の例では、queryPlanner の冗長モードを使用して、フィールドの DN と ENNベクトル検索クエリーで explain メソッドを実行します。

db.embedded_movies.explain("queryPlanner").aggregate([
  {
    "$vectorSearch": {
      "index": "vector_index",
      "path": "plot_embedding_voyage_3_large",
      "queryVector": QUERY_EMBEDDING,
      "numCandidates": 150,
      "limit": 10
    }
  }
])

{
  explainVersion: '1',
  stages: [
    {
      '$vectorSearch': {
        index: 'vector_index',
        path: 'plot_embedding_voyage_3_large',
        queryVector: 'redacted',
        numCandidates: 150,
        limit: 10,
        explain: {
          query: {
            type: 'WrappedKnnQuery',
            args: {
              query: [
                {
                  type: 'InstrumentableKnnFloatVectorQuery',
                  args: {
                    field: '$type:knnVector/plot_embedding_voyage_3_large',
                    k: 150
                  }
                },
                { type: 'DocAndScoreQuery', args: {} }
              ]
            }
          },
          metadata: {
            mongotVersion: '1.54.0',
            mongotHostName: '<hostname>.mongodb.net',
            indexName: 'vector_index',
            lucene: { totalSegments: 2, totalDocs: 3483 }
          }
        }
      }
    },
    {
      '$_internalSearchIdLookup': {
        limit: Long('10'),
        subPipeline: [
          { '$match': { _id: { '$eq': '_id placeholder' } } }
        ]
      }
    }
  ],
  queryShapeHash: '2E39BED257F2B59D3F8652E1A81A18B1140602C4E253DED9FE208D584EA00083',
  serverInfo: {
    host: '<hostname>.mongodb.net',
    port: 27017,
    version: '8.2.1-rc1',
    gitVersion: '3312bdcf28aa65f5930005e21c2cb130f648b8c3'
  },
  serverParameters: {
    internalQueryFacetBufferSizeBytes: 104857600,
    internalQueryFacetMaxOutputDocSizeBytes: 104857600,
    internalLookupStageIntermediateDocumentMaxSizeBytes: 104857600,
    internalDocumentSourceGroupMaxMemoryBytes: 104857600,
    internalQueryMaxBlockingSortMemoryUsageBytes: 104857600,
    internalQueryProhibitBlockingMergeOnMongoS: 0,
    internalQueryMaxAddToSetBytes: 104857600,
    internalDocumentSourceSetWindowFieldsMaxMemoryBytes: 104857600,
    internalQueryFrameworkControl: 'trySbeRestricted',
    internalQueryPlannerIgnoreIndexWithCollationForRegex: 1
  },
  command: {
    aggregate: 'embedded_movies',
    pipeline: [
      {
        '$vectorSearch': {
          index: 'vector_index',
          path: 'plot_embedding_voyage_3_large',
          queryVector: [
            -0.034731735,  0.008558298,   -0.0153717, -0.029912498,  0.011549547,
            ...,
            -0.006688767,  0.047527634,  0.040714234
          ],
          numCandidates: 150,
          limit: 10
        }
      }
    ],
    cursor: {},
    '$db': 'sample_mflix'
  },
  ok: 1,
  '$clusterTime': {
    clusterTime: Timestamp({ t: 1759341765, i: 1 }),
    signature: {
      hash: Binary.createFromBase64('rPjwbtfbjVrbcvkkN0ct/b1UYa8=', 0),
      keyId: Long('7553982574624768005')
    }
  },
  operationTime: Timestamp({ t: 1759341765, i: 1 })
}

db.embedded_movies.explain("queryPlanner").aggregate([
  {
    "$vectorSearch": {
      "index": "vector_index",
      "path": "plot_embedding_voyage_3_large",
      "queryVector": QUERY_EMBEDDING,
      "exact": true,
      "limit": 10
    }
  }
])

{
  explainVersion: '1',
  stages: [
    {
      '$vectorSearch': {
        index: 'vector_index',
        path: 'plot_embedding_voyage_3_large',
        queryVector: 'redacted',
        exact: true,
        limit: 10,
        explain: {
          query: {
            type: 'ExactVectorSearchQuery',
            args: {
              field: '$type:knnVector/plot_embedding_voyage_3_large',
              similarityFunction: 'dotProduct',
              filter: {
                type: 'DefaultQuery',
                args: { queryType: 'FieldExistsQuery' }
              }
            }
          },
          metadata: {
            mongotVersion: '1.54.0',
            mongotHostName: '<hostname>.mongodb.net',
            indexName: 'vector_index',
            lucene: { totalSegments: 2, totalDocs: 3483 }
          }
        }
      }
    },
    {
      '$_internalSearchIdLookup': {
        limit: Long('10'),
        subPipeline: [
          { '$match': { _id: { '$eq': '_id placeholder' } } }
        ]
      }
    }
  ],
  queryShapeHash: '2E39BED257F2B59D3F8652E1A81A18B1140602C4E253DED9FE208D584EA00083',
  serverInfo: {
    host: '<hostname>.mongodb.net',
    port: 27017,
    version: '8.2.1-rc1',
    gitVersion: '3312bdcf28aa65f5930005e21c2cb130f648b8c3'
  },
  serverParameters: {
    internalQueryFacetBufferSizeBytes: 104857600,
    internalQueryFacetMaxOutputDocSizeBytes: 104857600,
    internalLookupStageIntermediateDocumentMaxSizeBytes: 104857600,
    internalDocumentSourceGroupMaxMemoryBytes: 104857600,
    internalQueryMaxBlockingSortMemoryUsageBytes: 104857600,
    internalQueryProhibitBlockingMergeOnMongoS: 0,
    internalQueryMaxAddToSetBytes: 104857600,
    internalDocumentSourceSetWindowFieldsMaxMemoryBytes: 104857600,
    internalQueryFrameworkControl: 'trySbeRestricted',
    internalQueryPlannerIgnoreIndexWithCollationForRegex: 1
  },
  command: {
    aggregate: 'embedded_movies',
    pipeline: [
      {
        '$vectorSearch': {
          index: 'vector_index',
          path: 'plot_embedding_voyage_3_large',
          queryVector: [
            -0.034731735,  0.008558298,   -0.0153717, -0.029912498,  0.011549547,
            ...,
            -0.006688767,  0.047527634,  0.040714234
          ],
          exact: true,
          limit: 10
        }
      }
    ],
    cursor: {},
    '$db': 'sample_mflix'
  },
  ok: 1,
  '$clusterTime': {
    clusterTime: Timestamp({ t: 1759342075, i: 1 }),
    signature: {
      hash: Binary.createFromBase64('jQiwcAMEmfzFnVU/pyb29TnYu0w=', 0),
      keyId: Long('7553982574624768005')
    }
  },
  operationTime: Timestamp({ t: 1759342075, i: 1 })
}

`executionStats`

The following example runs the explain method on an ANN and ENN vector search query for the plot_embedding_voyage_3_large field with the executionStats verbosity mode.

db.embedded_movies.explain("executionStats").aggregate([
  {
    "$vectorSearch": {
      "index": "vector_index",
      "path": "plot_embedding_voyage_3_large",
      "queryVector": QUERY_EMBEDDING,
      "numCandidates": 150,
      "limit": 10
    }
  }
])

{
  explainVersion: '1',
  stages: [
    {
      '$vectorSearch': {
        index: 'vector_index',
        path: 'plot_embedding_voyage_3_large',
        queryVector: 'redacted',
        numCandidates: 150,
        limit: 10,
        explain: {
          query: {
            type: 'WrappedKnnQuery',
            args: {
              query: [
                {
                  type: 'InstrumentableKnnFloatVectorQuery',
                  args: {
                    field: '$type:knnVector/plot_embedding_voyage_3_large',
                    k: 150
                  },
                  stats: {
                    context: { millisElapsed: 0 },
                    match: { millisElapsed: 0 },
                    score: { millisElapsed: 0 }
                  }
                },
                {
                  type: 'DocAndScoreQuery',
                  args: {},
                  stats: {
                    context: {
                      millisElapsed: 0.013013,
                      invocationCounts: {
                        createWeight: Long('1'),
                        createScorer: Long('4')
                      }
                    },
                    match: {
                      millisElapsed: 0.459619,
                      invocationCounts: { nextDoc: Long('152') }
                    },
                    score: {
                      millisElapsed: 0.179147,
                      invocationCounts: {
                        score: Long('150'),
                        setMinCompetitiveScore: Long('26')
                      }
                    }
                  }
                }
              ]
            },
            stats: {
              context: {
                millisElapsed: 7.113224,
                invocationCounts: {
                  vectorExecution: Long('1'),
                  createWeight: Long('1'),
                  createScorer: Long('4')
                }
              },
              match: {
                millisElapsed: 0.459619,
                invocationCounts: { nextDoc: Long('152') }
              },
              score: {
                millisElapsed: 0.179147,
                invocationCounts: {
                  score: Long('150'),
                  setMinCompetitiveScore: Long('26')
                }
              }
            }
          },
          collectors: {
            allCollectorStats: {
              millisElapsed: 0.868815,
              invocationCounts: {
                collect: Long('150'),
                competitiveIterator: Long('2'),
                setScorer: Long('2')
              }
            }
          },
          metadata: {
            mongotVersion: '1.54.0',
            mongotHostName: '<hostname>.mongodb.net',
            indexName: 'vector_index',
            lucene: { totalSegments: 2, totalDocs: 3483 }
          },
          resourceUsage: {
            majorFaults: Long('0'),
            minorFaults: Long('0'),
            userTimeMs: Long('0'),
            systemTimeMs: Long('0'),
            maxReportingThreads: 1,
            numBatches: 1
          },
          luceneVectorSegmentStats: [
            {
              id: '_1',
              executionType: 'Approximate',
              docCount: 1531,
              approximateStage: { millisElapsed: 2.58089 }
            },
            {
              id: '_0',
              executionType: 'Approximate',
              docCount: 1952,
              approximateStage: { millisElapsed: 3.483542 }
            }
          ]
        }
      },
      nReturned: Long('10'),
      executionTimeMillisEstimate: Long('29')
    },
    {
      '$_internalSearchIdLookup': {
        limit: Long('10'),
        subPipeline: [
          { '$match': { _id: { '$eq': '_id placeholder' } } }
        ],
        totalDocsExamined: Long('10'),
        totalKeysExamined: Long('10'),
        numDocsFilteredByIdLookup: Long('0')
      },
      nReturned: Long('10'),
      executionTimeMillisEstimate: Long('30')
    }
  ],
  queryShapeHash: '2E39BED257F2B59D3F8652E1A81A18B1140602C4E253DED9FE208D584EA00083',
  serverInfo: {
    host: '<hostname>.mongodb.net',
    port: 27017,
    version: '8.2.1-rc1',
    gitVersion: '3312bdcf28aa65f5930005e21c2cb130f648b8c3'
  },
  serverParameters: {
    internalQueryFacetBufferSizeBytes: 104857600,
    internalQueryFacetMaxOutputDocSizeBytes: 104857600,
    internalLookupStageIntermediateDocumentMaxSizeBytes: 104857600,
    internalDocumentSourceGroupMaxMemoryBytes: 104857600,
    internalQueryMaxBlockingSortMemoryUsageBytes: 104857600,
    internalQueryProhibitBlockingMergeOnMongoS: 0,
    internalQueryMaxAddToSetBytes: 104857600,
    internalDocumentSourceSetWindowFieldsMaxMemoryBytes: 104857600,
    internalQueryFrameworkControl: 'trySbeRestricted',
    internalQueryPlannerIgnoreIndexWithCollationForRegex: 1
  },
  command: {
    aggregate: 'embedded_movies',
    pipeline: [
      {
        '$vectorSearch': {
          index: 'vector_index',
          path: 'plot_embedding_voyage_3_large',
          queryVector: [
            -0.034731735,  0.008558298,   -0.0153717, -0.029912498,  0.011549547,
            ...,
            -0.006688767,  0.047527634,  0.040714234
          ],
          numCandidates: 150,
          limit: 10
        }
      }
    ],
    cursor: {},
    '$db': 'sample_mflix'
  },
  ok: 1,
  '$clusterTime': {
    clusterTime: Timestamp({ t: 1759342175, i: 1 }),
    signature: {
      hash: Binary.createFromBase64('AZZrjVPfyyBofyQq/gzs9UBL+/Q=', 0),
      keyId: Long('7553982574624768005')
    }
  },
  operationTime: Timestamp({ t: 1759342175, i: 1 })
}

db.embedded_movies.explain("executionStats").aggregate([
  {
    "$vectorSearch": {
      "index": "vector_index",
      "path": "plot_embedding_voyage_3_large",
      "queryVector": QUERY_EMBEDDING,
      "exact": true,
      "limit": 10
    }
  }
])

{
  explainVersion: '1',
  stages: [
    {
      '$vectorSearch': {
        index: 'vector_index',
        path: 'plot_embedding_voyage_3_large',
        queryVector: 'redacted',
        exact: true,
        limit: 10,
        explain: {
          query: {
            type: 'ExactVectorSearchQuery',
            args: {
              field: '$type:knnVector/plot_embedding_voyage_3_large',
              similarityFunction: 'dotProduct',
              filter: {
                type: 'DefaultQuery',
                args: { queryType: 'FieldExistsQuery' },
                stats: {
                  context: {
                    millisElapsed: 0.037129,
                    invocationCounts: {
                      createWeight: Long('1'),
                      createScorer: Long('4')
                    }
                  },
                  match: {
                    millisElapsed: 1.128957,
                    invocationCounts: { nextDoc: Long('3405') }
                  },
                  score: { millisElapsed: 0 }
                }
              }
            },
            stats: {
              context: {
                millisElapsed: 0.061268,
                invocationCounts: { createWeight: Long('1'), createScorer: Long('4') }
              },
              match: {
                millisElapsed: 2.531393,
                invocationCounts: { nextDoc: Long('3405') }
              },
              score: {
                millisElapsed: 7.956341,
                invocationCounts: {
                  score: Long('3403'),
                  setMinCompetitiveScore: Long('63')
                }
              }
            }
          },
          collectors: {
            allCollectorStats: {
              millisElapsed: 10.004281,
              invocationCounts: {
                collect: Long('3403'),
                competitiveIterator: Long('2'),
                setScorer: Long('2')
              }
            }
          },
          metadata: {
            mongotVersion: '1.54.0',
            mongotHostName: '<hostname>.mongodb.net',
            indexName: 'vector_index',
            lucene: { totalSegments: 2, totalDocs: 3483 }
          },
          resourceUsage: {
            majorFaults: Long('0'),
            minorFaults: Long('0'),
            userTimeMs: Long('0'),
            systemTimeMs: Long('0'),
            maxReportingThreads: 1,
            numBatches: 1
          }
        }
      },
      nReturned: Long('10'),
      executionTimeMillisEstimate: Long('25')
    },
    {
      '$_internalSearchIdLookup': {
        limit: Long('10'),
        subPipeline: [
          { '$match': { _id: { '$eq': '_id placeholder' } } }
        ],
        totalDocsExamined: Long('10'),
        totalKeysExamined: Long('10'),
        numDocsFilteredByIdLookup: Long('0')
      },
      nReturned: Long('10'),
      executionTimeMillisEstimate: Long('26')
    }
  ],
  queryShapeHash: '2E39BED257F2B59D3F8652E1A81A18B1140602C4E253DED9FE208D584EA00083',
  serverInfo: {
    host: '<hostname>.mongodb.net',
    port: 27017,
    version: '8.2.1-rc1',
    gitVersion: '3312bdcf28aa65f5930005e21c2cb130f648b8c3'
  },
  serverParameters: {
    internalQueryFacetBufferSizeBytes: 104857600,
    internalQueryFacetMaxOutputDocSizeBytes: 104857600,
    internalLookupStageIntermediateDocumentMaxSizeBytes: 104857600,
    internalDocumentSourceGroupMaxMemoryBytes: 104857600,
    internalQueryMaxBlockingSortMemoryUsageBytes: 104857600,
    internalQueryProhibitBlockingMergeOnMongoS: 0,
    internalQueryMaxAddToSetBytes: 104857600,
    internalDocumentSourceSetWindowFieldsMaxMemoryBytes: 104857600,
    internalQueryFrameworkControl: 'trySbeRestricted',
    internalQueryPlannerIgnoreIndexWithCollationForRegex: 1
  },
  command: {
    aggregate: 'embedded_movies',
    pipeline: [
      {
        '$vectorSearch': {
          index: 'vector_index',
          path: 'plot_embedding_voyage_3_large',
          queryVector: [
            -0.034731735,  0.008558298,   -0.0153717, -0.029912498,  0.011549547,
            ...,
            -0.006688767,  0.047527634,  0.040714234
          ],
          exact: true,
          limit: 10
        }
      }
    ],
    cursor: {},
    '$db': 'sample_mflix'
  },
  ok: 1,
  '$clusterTime': {
    clusterTime: Timestamp({ t: 1759342255, i: 1 }),
    signature: {
      hash: Binary.createFromBase64('sHuAxj9o8MbGe4iRz0Pv1PSi+UY=', 0),
      keyId: Long('7553982574624768005')
    }
  },
  operationTime: Timestamp({ t: 1759342255, i: 1 })
}

db.embedded_movies.explain("executionStats").aggregate([
  {
    "$vectorSearch": {
      "index": "vector_index",
      "path": "plot_embedding_voyage_3_large",
      "queryVector": QUERY_EMBEDDING,
      "numCandidates": 150,
      "limit": 10,
      "explainOptions": {
        "traceDocumentIds": [
          ObjectId('573a13d8f29313caabda6557'), ObjectId('573a1398f29313caabce98d9'), ObjectId('573a1391f29313caabcd8319'), ObjectId('573a1398f29313caabceb500'), ObjectId('573a1397f29313caabce780e')
        ]
      }
    }
  }
])

{
  explainVersion: '1',
  stages: [
    {
      '$vectorSearch': {
        index: 'vector_index',
        path: 'plot_embedding_voyage_3_large',
        queryVector: 'redacted',
        numCandidates: 150,
        limit: 10,
        explainOptions: {
          traceDocumentIds: [
            ObjectId('573a13d8f29313caabda6557'),
            ObjectId('573a1398f29313caabce98d9'),
            ObjectId('573a1391f29313caabcd8319'),
            ObjectId('573a1398f29313caabceb500'),
            ObjectId('573a1397f29313caabce780e')
          ]
        },
        explain: {
          query: {
            type: 'WrappedKnnQuery',
            args: {
              query: [
                {
                  type: 'InstrumentableKnnFloatVectorQuery',
                  args: {
                    field: '$type:knnVector/plot_embedding_voyage_3_large',
                    k: 150
                  },
                  stats: {
                    context: { millisElapsed: 0 },
                    match: { millisElapsed: 0 },
                    score: { millisElapsed: 0 }
                  }
                },
                {
                  type: 'DocAndScoreQuery',
                  args: {},
                  stats: {
                    context: {
                      millisElapsed: 0.010987,
                      invocationCounts: {
                        createWeight: Long('1'),
                        createScorer: Long('4')
                      }
                    },
                    match: {
                      millisElapsed: 0.009977,
                      invocationCounts: { nextDoc: Long('152') }
                    },
                    score: {
                      millisElapsed: 0.018875,
                      invocationCounts: {
                        score: Long('150'),
                        setMinCompetitiveScore: Long('26')
                      }
                    }
                  }
                }
              ]
            },
            stats: {
              context: {
                millisElapsed: 7.55246,
                invocationCounts: {
                  vectorExecution: Long('1'),
                  createWeight: Long('1'),
                  createScorer: Long('4')
                }
              },
              match: {
                millisElapsed: 0.009977,
                invocationCounts: { nextDoc: Long('152') }
              },
              score: {
                millisElapsed: 0.018875,
                invocationCounts: {
                  score: Long('150'),
                  setMinCompetitiveScore: Long('26')
                }
              }
            }
          },
          collectors: {
            allCollectorStats: {
              millisElapsed: 0.148807,
              invocationCounts: {
                collect: Long('150'),
                competitiveIterator: Long('2'),
                setScorer: Long('2')
              }
            }
          },
          metadata: {
            mongotVersion: '1.54.0',
            mongotHostName: '<hostname>.mongodb.net',
            indexName: 'vector_index',
            lucene: { totalSegments: 2, totalDocs: 3483 }
          },
          resourceUsage: {
            majorFaults: Long('0'),
            minorFaults: Long('0'),
            userTimeMs: Long('0'),
            systemTimeMs: Long('0'),
            maxReportingThreads: 1,
            numBatches: 1
          },
          vectorTracing: [
            {
              documentId: ObjectId('573a1391f29313caabcd8319'),
              visited: false,
              luceneSegment: '_0'
            },
            {
              documentId: ObjectId('573a1397f29313caabce780e'),
              visited: true,
              vectorSearchScore: 0.7469133734703064,
              luceneSegment: '_0'
            },
            {
              documentId: ObjectId('573a1398f29313caabce98d9'),
              visited: false,
              luceneSegment: '_0'
            },
            {
              documentId: ObjectId('573a1398f29313caabceb500'),
              visited: true,
              vectorSearchScore: 0.7521393895149231,
              luceneSegment: '_0'
            },
            {
              documentId: ObjectId('573a13d8f29313caabda6557'),
              visited: true,
              vectorSearchScore: 0.7710106372833252,
              luceneSegment: '_1'
            }
          ],
          luceneVectorSegmentStats: [
            {
              id: '_1',
              executionType: 'Approximate',
              docCount: 1531,
              approximateStage: { millisElapsed: 2.73042 }
            },
            {
              id: '_0',
              executionType: 'Approximate',
              docCount: 1952,
              approximateStage: { millisElapsed: 4.136979 }
            }
          ]
        }
      },
      nReturned: Long('10'),
      executionTimeMillisEstimate: Long('21')
    },
    {
      '$_internalSearchIdLookup': {
        limit: Long('10'),
        subPipeline: [
          { '$match': { _id: { '$eq': '_id placeholder' } } }
        ],
        totalDocsExamined: Long('10'),
        totalKeysExamined: Long('10'),
        numDocsFilteredByIdLookup: Long('0')
      },
      nReturned: Long('10'),
      executionTimeMillisEstimate: Long('22')
    }
  ],
  queryShapeHash: '2E39BED257F2B59D3F8652E1A81A18B1140602C4E253DED9FE208D584EA00083',
  serverInfo: {
    host: '<hostname>.mongodb.net',
    port: 27017,
    version: '8.2.1-rc1',
    gitVersion: '3312bdcf28aa65f5930005e21c2cb130f648b8c3'
  },
  serverParameters: {
    internalQueryFacetBufferSizeBytes: 104857600,
    internalQueryFacetMaxOutputDocSizeBytes: 104857600,
    internalLookupStageIntermediateDocumentMaxSizeBytes: 104857600,
    internalDocumentSourceGroupMaxMemoryBytes: 104857600,
    internalQueryMaxBlockingSortMemoryUsageBytes: 104857600,
    internalQueryProhibitBlockingMergeOnMongoS: 0,
    internalQueryMaxAddToSetBytes: 104857600,
    internalDocumentSourceSetWindowFieldsMaxMemoryBytes: 104857600,
    internalQueryFrameworkControl: 'trySbeRestricted',
    internalQueryPlannerIgnoreIndexWithCollationForRegex: 1
  },
  command: {
    aggregate: 'embedded_movies',
    pipeline: [
      {
        '$vectorSearch': {
          index: 'vector_index',
          path: 'plot_embedding_voyage_3_large',
          queryVector: [
            -0.034731735,  0.008558298,   -0.0153717, -0.029912498,  0.011549547,
            ...,
            -0.006688767,  0.047527634,  0.040714234
          ],
          numCandidates: 150,
          limit: 10,
          explainOptions: {
            traceDocumentIds: [
              ObjectId('573a13d8f29313caabda6557'),
              ObjectId('573a1398f29313caabce98d9'),
              ObjectId('573a1391f29313caabcd8319'),
              ObjectId('573a1398f29313caabceb500'),
              ObjectId('573a1397f29313caabce780e')
            ]
          }
        }
      }
    ],
    cursor: {},
    '$db': 'sample_mflix'
  },
  ok: 1,
  '$clusterTime': {
    clusterTime: Timestamp({ t: 1759343038, i: 1 }),
    signature: {
      hash: Binary.createFromBase64('E3FSIwLHavtFVMsmuqJM5reQc4I=', 0),
      keyId: Long('7553982574624768005')
    }
  },
  operationTime: Timestamp({ t: 1759343038, i: 1 })
}

戻る

クエリ参照

Disable Concurrent Query Execution Across Segments

1	{
2	explainVersion: '1',
3	stages: [
4	{
5	'$vectorSearch': {
6	index: 'vector_index',
7	path: 'plot_embedding_voyage_3_large',
8	queryVector: 'redacted',
9	numCandidates: 150,
10	limit: 10,
11	explain: {
12	query: {
13	type: 'WrappedKnnQuery',
14	args: {
15	query: [
16	{
17	type: 'InstrumentableKnnFloatVectorQuery',
18	args: {
19	field: '$type:knnVector/plot_embedding_voyage_3_large',
20	k: 150
21	},
22	stats: {
23	context: { millisElapsed: 0 },
24	match: { millisElapsed: 0 },
25	score: { millisElapsed: 0 }
26	}
27	},
28	{
29	type: 'DocAndScoreQuery',
30	args: {},
31	stats: {
32	context: {
33	millisElapsed: 1.378949,
34	invocationCounts: {
35	createWeight: Long('1'),
36	createScorer: Long('4')
37	}
38	},
39	match: {
40	millisElapsed: 0.341389,
41	invocationCounts: { nextDoc: Long('152') }
42	},
43	score: {
44	millisElapsed: 0.205415,
45	invocationCounts: {
46	score: Long('150'),
47	setMinCompetitiveScore: Long('26')
48	}
49	}
50	}
51	}
52	]
53	},
54	stats: {
55	context: {
56	millisElapsed: 57.285674,
57	invocationCounts: {
58	vectorExecution: Long('1'),
59	createWeight: Long('1'),
60	createScorer: Long('4')
61	}
62	},
63	match: {
64	millisElapsed: 0.341389,
65	invocationCounts: { nextDoc: Long('152') }
66	},
67	score: {
68	millisElapsed: 0.205415,
69	invocationCounts: {
70	score: Long('150'),
71	setMinCompetitiveScore: Long('26')
72	}
73	}
74	}
75	},
76	collectors: {
77	allCollectorStats: {
78	millisElapsed: 0.840381,
79	invocationCounts: {
80	collect: Long('150'),
81	competitiveIterator: Long('2'),
82	setScorer: Long('2')
83	}
84	}
85	},
86	metadata: {
87	mongotVersion: '1.54.0',
88	mongotHostName: '<hostname>.mongodb.net',
89	indexName: 'vector_index',
90	lucene: { totalSegments: 2, totalDocs: 3483 }
91	},
92	resourceUsage: {
93	majorFaults: Long('0'),
94	minorFaults: Long('0'),
95	userTimeMs: Long('0'),
96	systemTimeMs: Long('0'),
97	maxReportingThreads: 1,
98	numBatches: 1
99	},
100	luceneVectorSegmentStats: [
101	{
102	id: '_0',
103	executionType: 'Approximate',
104	docCount: 1952,
105	approximateStage: { millisElapsed: 32.916505 }
106	},
107	{
108	id: '_1',
109	executionType: 'Approximate',
110	docCount: 1531,
111	approximateStage: { millisElapsed: 8.661519 }
112	}
113	]
114	}
115	},
116	nReturned: Long('10'),
117	executionTimeMillisEstimate: Long('256')
118	},
119	{
120	'$_internalSearchIdLookup': {
121	limit: Long('10'),
122	subPipeline: [
123	{ '$match': { _id: { '$eq': '_id placeholder' } } }
124	],
125	totalDocsExamined: Long('10'),
126	totalKeysExamined: Long('10'),
127	numDocsFilteredByIdLookup: Long('0')
128	},
129	nReturned: Long('10'),
130	executionTimeMillisEstimate: Long('256')
131	}
132	],
133	queryShapeHash: '2E39BED257F2B59D3F8652E1A81A18B1140602C4E253DED9FE208D584EA00083',
134	serverInfo: {
135	host: '<hostname>.mongodb.net',
136	port: 27017,
137	version: '8.2.1-rc1',
138	gitVersion: '3312bdcf28aa65f5930005e21c2cb130f648b8c3'
139	},
140	serverParameters: {
141	internalQueryFacetBufferSizeBytes: 104857600,
142	internalQueryFacetMaxOutputDocSizeBytes: 104857600,
143	internalLookupStageIntermediateDocumentMaxSizeBytes: 104857600,
144	internalDocumentSourceGroupMaxMemoryBytes: 104857600,
145	internalQueryMaxBlockingSortMemoryUsageBytes: 104857600,
146	internalQueryProhibitBlockingMergeOnMongoS: 0,
147	internalQueryMaxAddToSetBytes: 104857600,
148	internalDocumentSourceSetWindowFieldsMaxMemoryBytes: 104857600,
149	internalQueryFrameworkControl: 'trySbeRestricted',
150	internalQueryPlannerIgnoreIndexWithCollationForRegex: 1
151	},
152	command: {
153	aggregate: 'embedded_movies',
154	pipeline: [
155	{
156	'$vectorSearch': {
157	index: 'vector_index',
158	path: 'plot_embedding_voyage_3_large',
159	queryVector: [
160	-0.034731735, 0.008558298, -0.0153717, -0.029912498, 0.011549547,
161	...,
162	-0.006688767, 0.047527634, 0.040714234
163	],
164	numCandidates: 150,
165	limit: 10
166	}
167	}
168	],
169	cursor: {},
170	'$db': 'sample_mflix'
171	},
172	ok: 1,
173	'$clusterTime': {
174	clusterTime: Timestamp({ t: 1759341228, i: 32 }),
175	signature: {
176	hash: Binary.createFromBase64('BsaUr/khHU1Fyl5/g8htqoavlU8=', 0),
177	keyId: Long('7553982574624768005')
178	}
179	},
180	operationTime: Timestamp({ t: 1759341228, i: 32 })
181	}