ATLAS
Vector Search
Crie aplicativos inteligentes com base em pesquisa semântica e IA generativa usando recursos nativos e completos de banco de dados vetorial.
O que é pesquisa vetorial?
A IA generativa usa vetores para permitir a pesquisa semântica inteligente em dados não estruturados (texto, imagens e áudio). Os vetores são essenciais na criação de mecanismos de recomendação, detecção de anomalias e conversação AI. A ampla variedade de casos de uso, possibilitada pelos recursos nativos do MongoDB, proporciona experiências de usuário transformadoras.
O poder combinado dos vetores e do MongoDB
Simplicidade incomparável
Evite a taxa de sincronização. Com o MongoDB Atlas Vector Search criado no núcleo do banco de dados, não há necessidade de sincronizar dados entre seus bancos de dados operacionais e vetoriais - economizando tempo, reduzindo a complexidade e evitando erros. Seus dados operacionais e vetoriais permanecem em um só lugar.
Dimensionamento superior para aplicativos de pesquisa vetorial
Diferentemente de outras soluções, a arquitetura distribuída do MongoDB dimensiona a pesquisa vetorial de forma independente do banco de dados central. Isso permite um verdadeiro isolamento da carga de trabalho e otimização de queries vetoriais, resultando em um desempenho superior em escala.
Banco de dados vetorial pronto para empresas
A segurança e a alta disponibilidade estão integradas. Como os dados do vetor são armazenados diretamente no Atlas com seus dados operacionais, você pode ter certeza de que suas cargas de trabalho estão sendo executadas com a mesma segurança e disponibilidade de nível empresarial confiável pelas quais o MongoDB é conhecido.

Chefe de digitalização de conteúdo, Novo Nordisk

Chefe de digitalização de conteúdo, Novo Nordisk
Diretor de Engenharia, Okta
Cientista de dados sênior, herói da entrega

CEO, Kovai

Engenheiro de software sênior, VISO TRUST

Centro de aprendizagem
Perguntas frequentes
MongoDB Atlas Vector Search permite a pesquisa de dados com base no significado semântico capturado em vetores, enquanto o Atlas Search permite a pesquisa de palavras-chave (ou seja, com base no texto real e em qualquer mapeamento de sinônimos definido).
Sim, o MongoDB Atlas é um banco de dados vetorial. O MongoDB Atlas é uma plataforma de dados totalmente gerenciada e de desenvolvimento multinuvem com um rico array de recursos que inclui texto ou léxico e pesquisa vetorial. Em vez de usar um banco de dados vetorial autônomo ou integrado, a versatilidade de nossa plataforma permite que os usuários armazenem seus dados operacionais, metadados e embeddings vetoriais no MongoDB Atlas e usem perfeitamente o MongoDB Atlas Vector Search para indexação, recuperação e criação de aplicações geradoras de IA de alto desempenho.
KNN significa "K-Nearest Neighbors", que é o algoritmo frequentemente usado para encontrar vetores próximos uns dos outros.
ANN ANN significa "ANN" e é uma abordagem para encontrar vetores semelhantes que troca a precisão pelo desempenho. Esse é um dos principais algoritmos do MongoDB Atlas Vector Search MongoDB Atlas Vector Search. Nosso algoritmo para pesquisa ANN usa o gráfico Hierarchical Navigable Small World (HNSW) para indexação e consulta eficientes de milhões de vetores.
ENN ENN" significa "ENN" e é uma abordagem para encontrar vetores semelhantes que pode trocar um pouco de desempenho por precisão. Esse método retorna os vetores exatos mais próximos de um vetor query, com o número de vetores especificado pelo limite da variável. Pesquisa vetorial exata (ENN) A execução do query pode manter uma latência de menos de um segundo para consultas não filtradas de até 10.000 documentos. Também pode fornecer respostas de baixa latência para filtros altamente seletivos que restringem um amplo conjunto de documentos a 10.000 documentos ou menos, ordenados pela relevância do vetor.
O $vectorSearch é um estágio de agregação em MongoDB Atlas que permite executar um ANN (ANN) ou ENN (ENN) query com o filtro MongoDB Query API (por exemplo, "$eq" ou "$gte"). Esse estágio é compatível com o cluster MongoDB Atlas versão 6.0 e superior. O tipo de campo Atlas Search knnVector e o operador knnBeta em $search estão obsoletos.
MongoDB Atlas Vector Search suportamos embeddings de qualquer provedor que esteja abaixo do limite de 4096 dimensões do serviço.
Apoiamos a ingestão, a indexação e a consulta de vetores quantizados binários e escalares do provedor de incorporação. Também oferecemos a opção de implementar a quantização binária e escalar automática de vetores de fidelidade total em MongoDB Atlas Vector Search.
Sim, o MongoDB Atlas Vector Search pode fazer consultar em qualquer tipo de dado que possa ser transformado em uma embedding vetorial. Uma das vantagens do modelo de documento é que você pode armazenar suas embeddings junto com seus dados avançados em seu documentos.
Comece a usar MongoDB Atlas Vector Search
- Implantação simplificada
- Experiência unificada do desenvolvedor
- Escala horizontal, vertical e independente
- Ecossistema de IA integrado
- Mais de 125 regiões em todo o mundo