Atlas Vector Search 빠른 시작

Atlas에서 프로젝트의 Clusters 페이지로 이동합니다.

1. 이미 표시되어 있지 않은 경우 탐색 모음의 Organizations 메뉴에서 원하는 프로젝트가 포함된 조직을 선택합니다.

2. 이미 표시되어 있지 않은 경우 Projects 탐색 모음의 프로젝트 메뉴에서 원하는 프로젝트를 선택합니다.

3. Clusters 페이지가 아직 표시되지 않은 경우 사이드바에서 Database를 클릭합니다.

클러스터의 Atlas Search 페이지로 이동합니다.

1. 클러스터 이름을 클릭합니다.

2. Atlas Search 탭을 클릭합니다.

JSON Editor 로 이동합니다.

1. Create Search Index를 클릭합니다.

2. Atlas Vector Search 섹션에서 JSON Editor를 선택합니다.

3. Next를 클릭합니다.

데이터베이스, 컬렉션 및 인덱스 이름을 지정합니다.

1. Database and Collection 섹션에서 sample_mflix 데이터베이스를 찾고 embedded_movies 컬렉션을 선택합니다.

2. Index Name 필드에 vector_index를 지정합니다.

Atlas Vector Search 인덱스를 정의합니다.

sample_mflix.embedded_movies 컬렉션에 대한 다음 예제 인덱스 정의는 plot_embedding 필드를 vector 유형으로 인덱싱합니다. plot_embedding 필드에는 OpenAI의 text-embedding-ada-002 임베딩 모델을 사용하여 생성된 임베딩이 포함되어 있습니다. 인덱스 정의는 1536 벡터 차원을 지정하고 cosine 을 사용하여 유사성을 측정합니다.

1
{
2
  "fields": [{
3
    "type": "vector",
4
    "path": "plot_embedding",
5
    "numDimensions": 1536,
6
    "similarity": "cosine"
7
  }]
8
}

자세한 사항은 벡터 검색용 필드 인덱싱 방법을 참조하십시오.

검색 인덱스를 생성합니다.

인덱스 정의를 검토하고 Create Search Index 을 클릭합니다.

모달 창은 인덱스가 작성 중임을 나타냅니다.

인덱스 생성이 완료될 때까지 기다립니다.

Close 을 클릭하여 You're All Set! 모달 창을 닫고 인덱스 빌드가 완료될 때까지 기다립니다.

인덱스를 빌드하는 데 약 1분 정도 걸립니다. 빌드되는 동안 Status 열은 Initial Sync 을 읽습니다. 빌드가 완료되면 Status 열에 Active 이 표시됩니다.