Como Indexar Embeddings de Vetor para Vector Search

knnVector Limitações de tipo

Não é possível indexar campos dentro de arrays de documentos ou campos dentro de arrays de objetos (tipo MongoDB Search embeddedDocuments) como tipo knnVector.

Definir o índice para o tipo knnVector

The following is the JSON syntax for the knnVector type. Replace the default index definition with the following. To learn more about the fields, see Field Properties.

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
}

Configurar propriedades de campo do knnVector

O tipo knnVector tem as seguintes opções:

Experimente um exemplo para o tipo knnVector

A seguinte definição de índice para a coleção sample_mflix.embedded_movies indexa dinamicamente todos os campos dinamicamente indexáveis na coleção e indexa estaticamente o campo plot_embedding como o tipo knnVector. O campo plot_embedding contém embeddings criados utilizando o modelo de embeddings text-embedding-ada-002 da OpenAI. A definição de índice especifica 1536 dimensões vetoriais e mede a similaridade usando euclidean.

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.

Migrate para vector Type

Para migrar seus índices de pesquisa do MongoDB para o tipo vetor, substitua o tipo knnVector em sua definição de índice para o campo de vetor pelo tipo vector.

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

Para executar queries no campo do tipo vector, você deve usar o vectorSearch (operador de pesquisa do MongoDB) em vez do operadorknnBeta.