如何为向量搜索的向量嵌入创建索引

knnVector 类型限制

您无法将文档数组内的字段或对象数组内的字段（ MongoDB Search embeddedDocuments 类型）索引为 knnVector 类型。

为 knnVector 类型定义索引

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
}

配置 knnVector 字段属性

knnVector 类型具有以下选项：

尝试 knnVector 类型的示例

sample_mflix.embedded_movies 集合的以下索引定义为集合中所有动态可索引的字段建立动态索引，并将 plot_embedding 字段作为 knnVector 类型建立静态索引。plot_embedding 字段包含使用 OpenAI 的 text-embedding-ada-002 向量嵌入模型创建的向量嵌入。索引定义指定了 1536 个向量维度，并使用 euclidean 来衡量相似性。

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

如果在集群上加载 示例数据，并为该集合创建了前面的 MongoDB Search 索引，则可以对该集合运行 $vectorSearch 查询。要了解有关可运行的示例查询的更多信息，请参阅 $vectorSearch 示例。

迁移到 vector 类型

要将MongoDB 搜索索引迁移到向量类型，请将向量字段的索引定义中的 knnVector 类型替换为 vector 类型。

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

要对 vector 类型字段运行查询，必须使用vectorSearch（MongoDB搜索操作符），而不是knnBeta操作符。