MongoDB 搜索 和 MongoDB Vector 搜索索引

MongoDB Search 索引模型

要创建MongoDB Search索引，您必须构造一个设置索引规范的 CreateSearchIndexModel实例。

CreateSearchIndexModel 类具有以下属性：

以下示例创建一个 CreateSearchIndexModel实例，为名为 search_idx 的索引提供规范。该代码指定了 title 和 released 字段的静态映射：

var def = new BsonDocument {
  { "mappings", new BsonDocument {
      { "dynamic", false },
      { "fields", new BsonDocument {
        { "title", new BsonDocument { {"type", "string" } } },
        { "released", new BsonDocument { { "type", "date" } } } } }
  } }
};
var indexModel = new CreateSearchIndexModel(
  "search_idx",
  SearchIndexType.Search,
  def
);

要学习；了解有关MongoDB Search字段映射的更多信息，请参阅Atlas文档中的定义字段映射。

MongoDB Vector Search 索引模型

要创建MongoDB Vector Search索引，您必须构造一个设置索引规范的 CreateVectorSearchIndexModel实例。

CreateVectorSearchIndexModel 类继承 CreateSearchIndexModel 类，并具有以下附加属性：

以下示例创建一个 CreateVectorSearchIndexModel实例，为名为 vs_idx 的索引提供规范。该代码将嵌入路径指定为 PlotEmbedding，这是一个类属性，对应于MongoDB中的 plot_embedding字段。它还为 1536 维度建立索引，并使用 Euclidean 向量相似度函数。

var model = new CreateVectorSearchIndexModel<Movie> (
  model => model.PlotEmbedding,
  "vs_idx",
  VectorSimilarity.Euclidean,
  1536);

要了解有关定义 MongoDB 向量搜索 搜索索引的更多信息，请参阅 Atlas 文档中的 如何为向量搜索字段编制索引。

MongoDB自动嵌入搜索索引模型

您可以使用 CreateAutoEmbeddingVectorSearchIndexModel索引模型创建MongoDB Vector Search索引，该索引会自动为文本字段生成向量嵌入。

除了从 CreateVectorSearchIndexModelBase<TDocument> 继承的属性之外，CreateAutoEmbeddingVectorSearchIndexModel 还具有以下属性：

以下示例创建一个 CreateAutoEmbeddingVectorSearchIndexModel实例，为名为 auto_embedded_index 的索引提供规范。此索引使用 "voyage-4" 嵌入模型自动生成 plot字段的向量嵌入，还包括 runtime 和 year 字段的可选筛选器：

var model = new CreateAutoEmbeddingVectorSearchIndexModel<EmbeddedMovie>(
  m => m.Plot,
  "auto_embedding_index",
  "voyage-4",
  m => m.Runtime, m => m.Year  // Optional filter fields
);

例子

以下示例在 embedded_movies集合上创建MongoDB搜索索引。该代码创建一个 CreateSearchIndexModel，用于设置索引名称并启用动态映射。然后，代码将 CreateSearchIndexModel 实例传递给 SearchIndexes.CreateOne() 方法以创建 MongoDB 搜索索引：

var indexModel = new CreateSearchIndexModel(
  "example_index",
  SearchIndexType.Search,
  new BsonDocument {
    { "mappings", new BsonDocument {
      { "dynamic", true },
    } }
  }
);
var result = movieCollection.SearchIndexes.CreateOne(indexModel);
Console.WriteLine("Created MongoDB Search index:\n{0}", result);

Created MongoDB Search index:
"example_index"

例子

此示例将执行以下动作：

1. 创建一个 CreateSearchIndexModel实例，该实例指定名为 as_idx的 MongoDB搜索索引

2. 创建一个 CreateVectorSearchIndexModel实例，该实例指定名为 vs_idx 的MongoDB Vector Search索引

3. 将 CreateSearchIndexModel 和 CreateVectorSearchIndexModel 实例的 List 传递给 SearchIndexes.CreateMany() 方法

4. 在 embedded_movies 集合上创建 MongoDB 搜索搜索索引 和 MongoDB Vector 搜索搜索索引

var searchModel = new CreateSearchIndexModel(
  "as_idx",
  SearchIndexType.Search,
  new BsonDocument {
    { "mappings", new BsonDocument {
      { "dynamic", true },
    } }
  }
);
var vectorModel = new CreateVectorSearchIndexModel<Movie>(
  m => m.PlotEmbedding,
  "vs_idx",
  VectorSimilarity.Euclidean,
  1536);
var models = new List<CreateSearchIndexModel> { searchModel, vectorModel };
var indexes = movieCollection.SearchIndexes.CreateMany(models);
Console.WriteLine("Created Search indexes:\n{0} {1}", indexes.ToArray());

Created Search indexes:
as_idx vs_idx

例子

以下示例访问有关在本页创建多个搜索索引部分中创建的MongoDB搜索和MongoDB Vector搜索索引的信息。该代码调用 SearchIndexes.List() 方法并打印集合上的 MongoDB 搜索 和 MongoDB 向量搜索 搜索索引的列表：

var indexesList = movieCollection.SearchIndexes.List().ToList();
foreach (var i in indexesList)
{
  Console.WriteLine(i);
}

{ "id": "...", "name": "as_idx", "status": "READY", "queryable":
true, "latestDefinitionVersion": {...}, "latestDefinition": {
"mappings": { "dynamic": true } }, "statusDetail": [...] }
{ "id": "...", "name": "vs_idx", "type": "vectorSearch", "status":
"READY", "queryable": true, ..., "latestDefinition": { "fields": [{
"type": "vector", "path": "plot_embedding", "numDimensions": 1536,
"similarity": "euclidean" }] }, "statusDetail": [...] }

例子

以下示例更新了在本页 创建多个搜索索引部分中创建的名为 vs_index 的 Vector Search 索引。该代码创建了一个新的索引定义文档，指示索引使用 "dotProduct" 作为向量相似性函数。然后，代码调用 SearchIndexes.Update() 方法来更新索引：

var updatedDef = new BsonDocument
{
    { "fields", new BsonArray
        {
            new BsonDocument
            {
                { "type", "vector" },
                { "path", "plot_embedding" },
                { "numDimensions", 1536 },
                { "similarity", "dotProduct" }
            }
        }
    }
};
movieCollection.SearchIndexes.Update("vs_index", updatedDef);

例子

以下示例删除了在此页面的创建搜索索引部分中创建的名为 example_index 的MongoDB搜索索引。代码将索引名称传递给 SearchIndexes.DropOne() 方法以删除索引：

movieCollection.SearchIndexes.DropOne("example_index");

API 文档

要进一步了解本指南所提及的方法和类型，请参阅以下 API 文档：

• CreateSearchIndexModel

• SearchIndexType

• CreateOne()

• CreateMany()

• List()

• Update()

• DropOne()