/ /

/ /

`vectorSearch` (MongoDB Search 연산자)

정의

vectorSearch 연산자는 지정된 필드 의 벡터 임베딩에 대해 근사 최근접 이웃 또는 등가 최근접 이웃 검색을 수행합니다. 이 연산자 사용하여 퍼지 검색, 구문 일치, 위치 필터링, 와일드카드 패턴 일치 등과 같은 분석된 텍스트 기능을 시맨틱 검색 과 함께 추가할 수 있습니다.

구문

vectorSearch 의 구문은 다음과 같습니다:

{
  "$search": {
    "index": "<index name>", // optional, defaults to "default"
    "vectorSearch": {
      "exact": true | false,
      "filter": {<operator-specification>},
      "limit": <number-of-results>,
      "numCandidates": <number-of-candidates>,
      "path": "<field-to-search>",
      "queryVector": [<array-of-numbers>],
      "score": {<options>}
    }
  }
}

옵션

vectorSearch 다음 필드를 사용하여 쿼리를 구성합니다.

필드	유형	필요성	설명
`exact`	부울	옵션	`numCandidates`를 생략한 경우 필수 항목입니다. ENN 또는 ANN 검색을 실행할지 여부를 지정하는 플래그입니다. 값은 다음 중 하나일 수 있습니다. `false` - ANN 검색 실행 시 `true` - ENN 검색 실행 시 생략하는 경우 기본값은 `false`입니다. MongoDB Vector Search는 MongoDB v6.0.11 실행 Atlas 클러스터에서 근사 최근접 이웃 검색 지원하며, v7.0.2 이상 및 등가 최근접 이웃 MongoDB v6.0.16를 실행하는 클러스터에서 검색, v7.0.10, v7.3.2, 또는 그 이후 버전. Atlas CLI 사용하여 생성하는자체 관리 또는 로컬 Atlas 배포 와 함께 MongoDB Vector Search를 사용할 수도 있습니다.
`filter`	객체	옵션	MongoDB Search하다 연산자를 사용하여 메타데이터 또는 특정 검색 기준에 따라 문서를 미리 필터링할 수 있습니다. 자세히 알아보려면 사전 필터를 참조하세요.
`limit`	Int	필수 사항	결과에 반환할 문서 수(`int` 유형만 해당)입니다. `numCandidates`를 지정하는 경우 이 값은 `numCandidates` 값을 초과할 수 없습니다. 샤딩된 클러스터에서는 `$limit`를 `$search` 단계 이후에 사용하여 결과 문서 수를 제한해야 합니다.
`numCandidates`	Int	옵션	`exact`가 `false`이거나 생략된 경우 이 필드는 필수입니다. 검색 중에 사용할 가장 가까운 이웃의 수입니다. 값은 (`<=`)`10000`보다 작거나 같아야 합니다. 반환할 문서 수보다 작은 숫자는 지정할 수 없습니다(`limit`). 정확도를 높이기 위해 반환할 문서 수(`limit`)보다 최소 20배 더 높은 숫자를 지정하는 것이 좋습니다. 이러한 과다 요청 패턴은 근사 최근접 이웃 검색에서 지연 시간과 재현율을 균형 있게 조절하는 데 권장되는 방법이며, 특정 데이터 세트 크기와 쿼리 요구 사항에 따라 이 매개변수를 조정하는 것이 좋습니다.
`path`	문자열	필수 사항	검색할 인덱싱된 벡터 유형 필드입니다.
`queryVector`	정수 또는 실수 배열	필수 사항	`float32` 숫자 배열, 하위 유형 `float32`를 사용하는 BSON BinData 벡터, 또는 하위 유형 `int1` 또는 `int8` 유형을 사용하는 BSON BinData 벡터로 쿼리 벡터를 나타냅니다. 하위 `binData` `float32`유형이, `int8` 또는 인 BSON 벡터를 생성하는 방법에 대해 `int1` 자세히 학습 사전 양자화된 벡터를 수집하는 방법을 참조하세요. 배열 크기는 필드에 대한 인덱스 정의에서 지정된 벡터 차원 수(`numDimensions`)와 일치해야 합니다. 데이터를 임베드할 때 사용한 것과 동일한 모델을 사용하여 쿼리를 임베드해야 합니다. 벡터 하위 유형이 동일한 경우, full-fidelity 벡터를 사용하여 임베딩을 쿼리할 수 있습니다. `binData` 벡터는 하위 유형 `float32`에서만 가능합니다. 다른 하위 유형 (`int8` 또는 `int1`)을 사용하는 경우 MongoDB Search는 결과나 오류를 반환하지 않습니다.
`score`	객체	옵션	일치하는 검색 텀 결과에 할당된 점수입니다. 다음 옵션 중 하나를 사용하여 기본 점수를 수정합니다. `boost`결과 점수에 주어진 숫자를 곱합니다. `constant`결과 점수를 주어진 숫자로 바꿉니다. `function`: 주어진 표현식을 사용하여 결과 점수를 대체합니다. 쿼리에서 `score` 사용에 대한 자세한 내용은 결과에서 문서 채점하기를 참조하십시오.

행동

MongoDB 검색 인덱스

vectorSearch 연산자를 사용하여 검색할 필드를 인덱싱해야 합니다. MongoDB Search 인덱스 정의에서 다음 유형의 필드를 인덱싱할 수 있습니다.

벡터 임베딩을 포함하는 필드. 이 필드는 쿼리 path 옵션에서 지정한 필드입니다.
문서를 사전 필터링하는 필드. 이 필드는 쿼리 filter 옵션에서 지정한 필드입니다.

사전 필터

문서를 사전 필터링하여 시맨틱 검색 범위를 좁힐 수 있습니다. filter 필드 에서 지원되는 MongoDB Search 연산자 사용하여 문서를 쿼리 하고 필터하다 .

중요

필터링된 쿼리는 일반적으로 이에 상응하는 필터링되지 않은 쿼리 보다 느립니다.

vector 유형의 인덱스 정의에서 데이터를 필터링할 필드를 반드시 인덱싱해야 합니다.

점수

검색 결과에 각 문서의 점수를 포함할 수 있습니다. $meta 표현식을 $project 단계에서 searchScore 값으로 지정합니다. 또한 scoreDetails 필드의 $meta 표현식에 searchScoreDetails 값을 지정하여 점수에 대한 자세한 분석을 수행할 수 있습니다.

자세한 내용은 결과에서 문서의 점수를 매기기 및 점수 세부 정보 반환을 참조하세요.

`vectorSearch` 연산자 제한 사항

vectorSearch 연산자는 쿼리에서 최상위 연산자여야 합니다. 따라서 다음 MongoDB Search 연산자에서는 vectorSearch 연산자를 사용할 수 없습니다.

vectorSearch 유형 인덱스 사용하여 인덱싱된 vectorSearch 필드를 쿼리 데 연산자 사용할 수 없습니다.

다음 $search 옵션은 vectorSearch 연산자와 함께 사용할 수 없습니다:

하이라이트
sort
searchSequenceToken
$skip 및 $limit를 $search 단계 이후에 사용합니다.

MongoDB Search Playground에서는 $search 쿼리를 vectorSearch 연산자와 함께 실행할 수 없습니다.

예시

다음 예시에서는 샘플 데이터에서 sample_mflix.embedded_movies 컬렉션을 사용합니다. 컬렉션에 샘플 데이터를 로드하고 샘플 인덱스를 생성하면 쿼리 내의 <connection-string> 및 <index-name> 자리 표시자를 바꾼 후, 컬렉션에 대해 다음 근사 최근접 이웃 및 등가 최근접 이웃 쿼리를 실행할 수 있습니다.

Vector Search

사전 필터

인터페이스

돌아가기

text

와일드카드

정의

구문

옵션

행동

MongoDB 검색 인덱스

사전 필터

중요

점수

vectorSearch 연산자 제한 사항

예시

`vectorSearch` 연산자 제한 사항