MongoDB Search 및 MongoDB Vector Search 검색 인덱스

MongoDB Search Index Model

To create a MongoDB Search index, you must construct a CreateSearchIndexModel instance that sets your index specifications.

The CreateSearchIndexModel class has the following properties:

다음 예시 CreateSearchIndexModel 인스턴스 만들어 search_idx이라는 인덱스 에 대한 사양을 제공합니다. 이 코드는 title 및 released 필드의 정적 매핑을 지정합니다.

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 Search 필드 매핑에 대해 자세히 학습하려면 Atlas 설명서에서 필드 매핑 정의 를 참조하세요.

MongoDB Vector Search Index Model

To create a MongoDB Vector Search index, you must construct a CreateVectorSearchIndexModel instance that sets your index specifications.

The CreateVectorSearchIndexModel class inherits from the CreateSearchIndexModel class and has the following additional properties:

The following example creates a CreateVectorSearchIndexModel instance to provide specifications for an index named vs_idx. The code specifies the embedding path as PlotEmbedding, a class property that corresponds to the plot_embedding field in MongoDB. It also indexes 1536 dimensions, and uses the Euclidean vector similarity function.

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

MongoDB Vector Search 인덱스 정의에 대해 자세히 학습하려면 Atlas 문서에서 벡터 검색을 위한 필드를 인덱싱하는 방법 을 참조하세요.

MongoDB Auto-Embedding Search Index Model

You can use a CreateAutoEmbeddingVectorSearchIndexModel index model to create a MongoDB Vector Search index that automatically generates vector embeddings for text fields.

The CreateAutoEmbeddingVectorSearchIndexModel has the following properties, in addition to the properties inherited from CreateVectorSearchIndexModelBase<TDocument>:

The following example creates a CreateAutoEmbeddingVectorSearchIndexModel instance that provides specifications for an index named auto_embedded_index. This index uses the "voyage-4" embedding model to automatically generate vector embeddings for the plot field, and also includes optional filters for the runtime and year fields:

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

예시

다음 예시 embedded_movies 컬렉션 에 MongoDB Search 인덱스 생성합니다. 이 코드는 인덱스 이름을 설정하고 동적 매핑을 활성화하는 CreateSearchIndexModel 를 생성합니다. 그런 다음 코드는 CreateSearchIndexModel 인스턴스 SearchIndexes.CreateOne() 메서드에 전달하여 MongoDB Search 인덱스 생성합니다.

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"

예시

이 예에서는 다음 조치를 수행합니다.

1. as_idx이라는 이름의 MongoDB Search 인덱스 지정하는 CreateSearchIndexModel 인스턴스 생성합니다.

2. vs_idx이라는 이름의 MongoDB Vector Search 인덱스 지정하는 CreateVectorSearchIndexModel 인스턴스 생성합니다.

3. Passes a List of the CreateSearchIndexModel and CreateVectorSearchIndexModel instances to the SearchIndexes.CreateMany() method

4. embedded_movies 컬렉션에 MongoDB Search 및 MongoDB Vector Search 검색 인덱스를 생성합니다.

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

예시

다음 예시 여러 검색 인덱스 생성 섹션에서 생성된 MongoDB Search 및 MongoDB Vector Search 인덱스에 대한 정보에 액세스합니다. 이 코드는 SearchIndexes.List() 메서드를 호출하고 컬렉션에 MongoDB 검색 및 MongoDB 벡터 검색 검색 인덱스 목록을 인쇄합니다.

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": [...] }

예시

다음 예는 이 페이지의 다중 검색 인덱스 생성 섹션에서 생성된 vs_index라는 Vector Search 인덱스를 업데이트합니다. 코드는 "dotProduct"를 벡터 유사성 함수로 사용하도록 인덱스에 지시하는 새로운 인덱스 정의 문서를 생성합니다. 그런 다음 SearchIndexes.Update() 메서드를 호출하여 인덱스를 업데이트합니다.

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

예시

다음 예시 이 페이지의 검색 인덱스 만들기 섹션에서 생성된 example_index 이라는 이름의 MongoDB Search 인덱스 삭제합니다. 이 코드는 인덱스 이름을 SearchIndexes.DropOne() 메서드에 전달하여 인덱스 삭제 .

movieCollection.SearchIndexes.DropOne("example_index");

API 문서

이 가이드에서 사용되는 메서드 또는 유형에 대해 자세히 알아보려면 다음 API 문서를 참조하세요.

• CreateSearchIndexModel

• SearchIndexType

• CreateOne()

• CreateMany()

• List()

• Update()

• DropOne()