MongoDB Search 및 MongoDB Vector Search 검색 인덱스

MongoDB Search 인덱스 모델

MongoDB Search 인덱스 만들려면 인덱스 사양을 설정하는 CreateSearchIndexModel 인스턴스 구성해야 합니다.

CreateSearchIndexModel 클래스에는 다음과 같은 속성이 있습니다.

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 인덱스 모델

MongoDB Vector Search 인덱스 만들려면 인덱스 사양을 설정하는 CreateVectorSearchIndexModel 인스턴스 구성해야 합니다.

CreateVectorSearchIndexModel 클래스는 CreateSearchIndexModel 클래스를 상속하며 다음과 같은 추가 속성이 있습니다.

다음 예시 CreateVectorSearchIndexModel 인스턴스 만들어 vs_idx이라는 인덱스 에 대한 사양을 제공합니다. 이 코드는 임베딩 경로를 MongoDB 의 plot_embedding 필드 에 해당하는 클래스 속성 인 PlotEmbedding로 지정합니다. 또한 1536 차원을 인덱스화하고 Euclidean 벡터 유사성 함수를 사용합니다.

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 자동 임베딩 검색 인덱스 모델

CreateAutoEmbeddingVectorSearchIndexModel 인덱스 모델을 사용하여 텍스트 필드에 대한 벡터 임베딩을 자동으로 생성하는 MongoDB Vector Search 인덱스 만들 수 있습니다.

CreateAutoEmbeddingVectorSearchIndexModel 에는 CreateVectorSearchIndexModelBase<TDocument>에서 상속된 속성 외에도 다음과 같은 속성이 있습니다.

다음 예시 auto_embedded_index이라는 인덱스 에 대한 사양을 제공하는 CreateAutoEmbeddingVectorSearchIndexModel 인스턴스 만듭니다. 이 인덱스 "voyage-4" 임베딩 모델을 사용하여 plot 필드 에 대한 벡터 임베딩을 자동으로 생성하며, runtime 및 year 필드에 대한 선택적 필터도 포함합니다.

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. CreateSearchIndexModel 및 CreateVectorSearchIndexModel 인스턴스의 List 을 SearchIndexes.CreateMany() 메서드에 전달합니다.

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()