MongoDB Vector Search の機能

ネスト型のリッチなデータ構造の採用により、容易に構造化とクエリ実行できます。埋め込みモデルによって複数のフィールドをモデル化し、クエリ時に同時に参照することで、最適なパフォーマンスを実現します。

ワークロードの分離とメモリが最適化されたマルチクラウド専用のインフラにより、独立したスケーラビリティを実現。より高い可用性とパフォーマンスを確保します。

ベクトルの圧縮により、検索精度を維持し、保存・処理・検索の効率を向上させ、スケール拡大とコスト削減を同時に実現します。

精度と計算能力のバランスを保つことにより、複雑で次元の高いベクトルのユースケースにおける効率性を実現するように設計されています。

精度に重点を置いて設計されており、ベンチマークの改善と開発速度の向上が重要な小規模データセットで特に有用です。

テキスト検索とベクトル検索を組み合わせ、ベクトルの類似性とキーワードの関連性のいずれを優先するかを柔軟に調整することで、精度を向上させます。

Atlas では、Voyage AI によるデータの自動埋め込みに対応しました。モデルを選び、インデックスを作成するだけで、すぐにセマンティック検索を利用できます。パイプライン、同期、追加ツールは必要ありません。