查看部署选项

索引向量的内存要求

Atlas Vector Search 将整个索引保存在内存中，因此，如果您的数据集包含全精度向量，则需要确保有足够的内存来容纳 Atlas Vector Search 索引和 JVM。每个索引都是所索引向量和附加元数据的组合。索引大小主要由要编制索引的向量的大小决定，元数据空间通常相对较小。

当不使用量化时，Atlas Vector Search 会将全保真向量存储在内存中。如果您启用自动量化，Atlas Vector Search 会将量化后的向量（所需资源显著减少）存储在内存中，并将全保真向量存储在磁盘上。您可以通过查看 Atlas UI 的 Atlas Search 页面中的 Size 和 Required Memory 列，来查看向量索引的磁盘和内存需求之间的差异。

考虑单个向量的以下要求：

BinData 量化向量。要了解更多信息，请参阅 引入量化向量 。

所需空间与要索引的向量数量和向量维数呈线性关系。您还可以使用 Search Index Size 指标来确定搜索节点上所需的空间和内存量。

向量的存储要求

如果您使用了 BinData 或量化向量，则较之不使用 binData 或量化向量，您可大幅降低资源需求。您会发现：

• 在使用 binData 向量时，mongod 上的向量磁盘存储减少了 66%。

• 在使用自动矢量量化或量化矢量引入时，由于矢量压缩，mongot 上的矢量 RAM 使用量减少了 3.75 倍（标量）或 24 倍（二进制）。

当您使用自动量化时，Atlas 会将全精度向量存储在磁盘上，以便重新评分或进行精确搜索，同时将重新评分时的 RAM 和缓存使用量降至最低。

如果在 Atlas Vector Search 索引定义中启用了自动量化，则调整集群大小时还须考虑磁盘空间。这是因为 Atlas Vector Search 会将全精度向量存储在磁盘中，以便用于精确最近邻 (ENN) 搜索和重新评分（如果已配置自动量化）。因此，请确保您使用的硬件上存在适当的“磁盘-RAM”比率。请考虑配置搜索节点，而它们能适应约 4:1 的“存储-RAM”比率（用于标量量化）或 24:1 的“存储-RAM”比率（用于二进制量化）。

{
  "fields":[
    {
      "type": "vector",
      "path": "my-embeddings",
      "numDimensions": 1536,
      "similarity": "euclidean",
      "quantization": "binary"
    }
  ]
}

请使用以下公式粗略计算启用二进制量化和重新评分的索引的磁盘空间：

Original index size * (25/24)

此时，分母中的 24 表示将原始索引大小分割为 24 个部分，以便简化分数表示。分子中的 25 考虑了额外空间分配（约为原始索引大小的 1/24），而它可用于存储二进制向量所需的其他数据。原始索引和分层可导航小世界图仍会存储在磁盘上。超大因子为 1/24 而不是 1/32，因为 HNSW 图未进行压缩。

1 GB * (25/24) = 1.042 GB

对于您配置了自动量化的向量，我们建议分配等于估计索引大小的 125% 的可用磁盘空间。

部署类型

要测试 Atlas Vector Search 查询，您可以部署 Flex 集群、专用集群或使用本地 Atlas 部署。

节点架构

对于测试和原型环境，我们建议使用一种节点架构，其中 MongoDB 进程和 Atlas Search 进程在同一节点上运行。在以下部署模型的图中，Atlas Search mongot 进程与 mongod 一起在 Atlas 集群的每个节点上运行，并共享相同的资源。

默认情况下，当您创建第一个 Atlas Vector Search 索引时，Atlas 会在运行 mongod 进程的同一节点上启用 Atlas Search mongot 进程。

当您运行查询时，Atlas Search 会使用配置的读取偏好来确定运行查询的节点。该查询首先进入 MongoDB 进程，对于副本集集群为 mongod，对于分片集群为 mongos。

对于副本集集群，mongod 进程会将查询路由到同一节点上的 mongot。对于分片集群，您的集群数据被分区到 mongod 个实例（分片）中，并且每个 mongot 进程只能访问同一节点上的 mongod 实例中的数据。因此，您无法运行针对特定分片的 Atlas Search 查询。mongos 将查询路由到所有分片，从而使这些查询成为分散聚集查询。如果您使用区域将分片集合分布到集群中的一部分分片上，则 Atlas Search 会将查询路由到包含您所查询集合的分片的区域，并仅对集合所在的分片运行 $search 查询。

在将查询路由到 Atlas Search mongot 进程后，mongot 进程执行搜索和评分，并将匹配结果的文档 ID 和其他搜索元数据返回给其对应的 mongod 进程。然后，mongod 进程将对匹配结果隐式执行完整文档查找，并将结果返回客户端。如果在查询中使用 $search 并发选项，则 Atlas Search 将启用查询内并行机制。要了解详情，请参阅 并行查询各分段 。

要了解有关 mongot 过程的更多信息，请参阅查询处理。

调整集群大小以为您的应用程序进行原型设计

当 Atlas 在同一节点上运行您的数据库和搜索工作负载时，MongoDB 存储会占用该节点可用内存 (RAM) 的一定百分比，以便将剩余的内存留给 Atlas Vector Search 索引和 mongot 进程。

对于 M10、M20 与 M30 集群层，25% 会留给 MongoDB，而剩余的 75% 则用于其他操作，其中包括 Atlas Vector Search 索引。对于 M40 以上的集群层，50% 会留给 MongoDB，而剩余的则用于其他操作，其中包括 Atlas Vector Search 索引。

限制

您可能会遇到数据库 mongod 和搜索 mongot 进程之间的资源争用。这可能会对索引性能和查询延迟产生负面影响。我们建议这种部署模式仅用于测试和原型开发环境。对于生产就绪型应用程序和相关的搜索工作负载，我们建议迁移到专用的搜索节点。

部署类型

对于生产就绪的应用程序，您需要一个具有单独用于工作负载隔离的搜索节点的专用集群。

Cluster Tiers

专用集群包括 M10 和更高层级。M10 和 M20 层级适用于开发和生产环境。但是，较高的层级可以处理大型数据集和生产工作负载。我们建议您还为搜索工作负载部署专用的搜索节点。这样，您就可以独立且适当地扩展搜索部署。

云提供商和地区

搜索节点可在Google Cloud Platform的所有区域中使用，但仅在部分Amazon Web Services和Azure区域中可用。您必须选择搜索节点可用于您的部署的云提供商和地区。

所有集群层在支持的云提供商区域均可使用。您选择的云提供商和区域会影响集群可用的配置选项和搜索层级以及运行集群的成本。

节点架构

对于生产环境，我们建议采用 MongoDB 进程和 Atlas Search 进程在不同的节点上运行的节点架构。如要部署单独的搜索节点，请参阅迁移到专用搜索节点。

在下图中，此部署模型的 Atlas Search mongot 进程在专用搜索节点上运行，这些节点与运行 mongod 进程的集群节点是分开的。

Atlas 为每个集群或集群上的每个分片部署搜索节点。例如，如果您为具有三个分片的集群部署两个搜索节点，则 Atlas 会部署六个搜索节点（每个分片两个）。您还可以配置搜索节点的数量，以及为每个搜索节点配置的资源量。

部署单独的搜索节点时，Atlas 会自动为每个 mongot 分配一个 mongod 以进行索引。mongot 会与 mongod 通信，以侦听并同步其所存储索引的索引更改。Atlas Vector Search 对查询进行索引和处理的方式与 mongod 和 mongot 进程在同一节点上运行的部署类似。如要了解更多信息，请参阅如何为向量搜索的字段建立索引和运行向量搜索查询。如要了解有关单独部署搜索节点的更多信息，请参阅用于隔离工作负载的搜索节点。

当您迁移到搜索节点时，Atlas 会部署搜索节点，但不会在节点上提供查询，直到它在搜索节点上的集群上成功构建所有索引。当 Atlas 在新节点上构建索引时，它会继续使用集群节点上的索引提供查询。仅当 Atlas 在搜索节点上成功构建索引并删除集群节点上的索引后，它才会开始从搜索节点提供查询服务。

运行查询时，查询会根据配置的读取偏好路由到 mongod。mongod 进程通过同一节点上的负载均衡器路由搜索查询，以便将请求分发到所有 mongot 进程。

Atlas Search mongot 进程执行搜索和评分，并将匹配结果的文档 ID 和元数据返回到 mongod。然后，mongod 对匹配结果执行完整文档查找，并将结果返回客户端。如果在查询中使用 $search 并发选项，则 Atlas Search 将启用查询内并行机制。要了解更多信息，请参阅并行查询各分段。

如果删除集群上的所有搜索节点，则在处理搜索查询结果时会出现中断。要了解更多信息，请参阅修改集群。如果删除 Atlas 集群，Atlas 会暂停，然后删除所有关联的 Atlas Vector Search 部署（mongot 进程）。

收益分析

此部署模型具有以下优点：

• 高效利用资源，同时确保资源对Atlas Search工作负载具有高可用性。

• Atlas Search部署的大小和扩展独立于数据库部署。

• 自动并行处理 Atlas Vector Search 查询，从而缩短响应时间，尤其是在处理大型数据集时。要了解更多信息，请参阅跨分段执行并行查询。

为生产环境调整搜索节点的大小

Atlas Vector Search 将整个索引保存在内存中，因此您需要确保有足够的内存来容纳 Atlas Vector Search 索引和 JVM。搜索节点允许在没有数据隔离的情况下实现工作负载隔离，且几乎 90% 的 RAM 分配可用于将向量数据和索引存储在内存中，而剩余部分则用于 JVM。

每个索引都是所索引向量和附加元数据的组合。索引大小主要由要编制索引的向量的大小决定，元数据空间通常相对较小。要了解更多信息，请参阅索引向量的内存要求。

部署专用搜索节点时，您可以选择不同的搜索层级。每个搜索层级都有默认的 RAM 容量、存储容量和 CPU。这样，您就可以独立于数据库部署来调整集群的大小和扩展。要单独扩展搜索部署，您可以随时对集群配置进行以下更改：

• 调整集群上的 Search Nodes 数量。

• 通过更改 层来调整节点的 CPU、RAMAtlas Search 和存储。

我们建议您的节点的 RAM 至少要比 Atlas Vector Search 索引的总大小大 10%。我们还建议您确保有足够的可用 CPU。查询延迟取决于可用 CPU 的数量，这可能会严重影响可提高查询性能的内部并发级别。

启用静态加密

您可以为搜索节点上的所有数据启用静态加密，并通过客户密钥管理使用客户管理的加密密钥来保护您的 Atlas Vector Search 工作负载。要了解更多信息，请参阅为搜索节点启用客户密钥管理。

此功能目前可用于 AWS 的搜索节点。

迁移到专用Atlas Search节点

专用搜索节点允许您独立于集群来调整搜索部署的大小和扩展。 它还消除了在同一节点上运行数据库和搜索进程的集群中可能出现的资源争用现象。

要迁移到专用搜索节点，请对您的部署进行以下更改：

1. 如果您的部署当前正在使用免费套餐集群或 Flex 集群，请将集群升级到更高层级。专用搜索节点仅支持 M10 及更高集群层级。要了解有关迁移到不同集群层的更多信息，请参阅修改Cluster Tier 。

2. 专用搜索节点可在Amazon Web Services和Azure区域的子集以及所有支持的Google Cloud Platform区域中使用。确保将集群部署在搜索节点也可用的区域。 如果您的现有集群位于搜索节点不可用的地区，请将集群迁移到搜索节点可用的地区。 要学习；了解更多信息，请参阅云提供商地区。

3. 启用 Search Nodes for workload isolation 并配置搜索节点。要了解更多信息，请参阅添加搜索节点。