벡터 검색을 위해 벡터 임베딩을 인덱스하는 방법

knnVector 유형 제한 사항

문서 배열 내부의 필드 또는 객체 배열 내부의 필드( MongoDB Search embeddedDocuments 유형)를 knnVector 유형으로 인덱스 할 수 없습니다.

knnVector 유형에 대한 인덱스 정의

다음은 knnVector 유형에 대한 JSON 구문입니다. 기본값 인덱스 정의를 다음으로 변경합니다. 필드에 관한 자세한 사항은 필드 속성을 참조하십시오.

1
{
2
  "mappings": {
3
    "dynamic": true|false,
4
    "fields": {
5
      "<field-name>": {
6
        "type": "knnVector",
7
        "dimensions": <number-of-dimensions>,
8
        "similarity": "euclidean | cosine | dotProduct"
9
      }
10
    }
11
  }
12
}

knnVector 필드 속성 구성

knnVector 유형에는 다음과 같은 옵션이 있습니다:

knnVector 유형에 대한 예시 사용해 보기

sample_mflix.embedded_movies 컬렉션에 대한 다음 인덱스 정의는 컬렉션에서 동적으로 인덱싱할 수 있는 모든 필드를 동적으로 인덱싱하고 plot_embedding 필드를 knnVector 유형으로 정적으로 인덱싱합니다. plot_embedding 필드에는 OpenAI의 text-embedding-ada-002 임베딩 모델을 사용하여 생성된 임베딩이 포함되어 있습니다. 인덱스 정의는 1536 벡터 차원을 지정하고 euclidean을 사용하여 유사성을 측정합니다.

1
{
2
  "mappings": {
3
    "dynamic": true,
4
    "fields": {
5
      "plot_embedding": {
6
        "type": "knnVector",
7
        "dimensions": 1536,
8
        "similarity": "euclidean"
9
      }
10
    }
11
  }
12
}

If you load the sample data on your cluster and create the preceding MongoDB Search index for this collection, you can run $vectorSearch queries against this collection. To learn more about the sample queries that you can run, see $vectorSearch Examples.

vector 유형으로 마이그레이션

MongoDB 검색 인덱스를 벡터 유형으로 마이그레이션 하려면 벡터 필드 에 대한 인덱스 정의에서 knnVector 유형을 vector 유형으로 바꿉니다.

1
{
2
  "mappings": {
3
    "dynamic": true,
4
    "fields": {
5
      "plot_embedding": {
6
        "type": "vector",
7
        "dimensions": 1536,
8
        "similarity": "euclidean"
9
      }
10
    }
11
  }
12
}

유형 필드 에 대해 쿼리를 실행 vector 하려면 vectorSearch 연산자 대신( MongoDB 검색하다 연산자)를 사용해야 knnBeta 합니다.