Overview
在此页面上，您可以查看可复制的代码示例，这些示例演示了如何使用C++驱动程序来处理常见的索引类型。
提示
要学习；了解有关此页面上显示的任何索引的更多信息，请参阅每个部分中提供的链接。
要使用此页面中的示例，请将代码示例复制到示例应用程序或您自己的应用程序中。 请务必将代码示例中的所有占位符（例如<connection string> ）替换为 MongoDB 部署的相关值。
示例应用程序
您可以使用以下示例应用程序来测试本页上的代码示例。 要使用示例应用程序，请执行以下步骤：
确保您已将C++驱动程序安装在项目可以导入的位置。
复制以下代码，并将其粘贴到项目中的新
.cpp文件中。从本页复制代码示例，并将其粘贴到文件的突出显示部分。
<iostream>
<bsoncxx/builder/basic/document.hpp> <bsoncxx/json.hpp> <mongocxx/client.hpp> <mongocxx/exception/exception.hpp> <mongocxx/instance.hpp> <mongocxx/uri.hpp>
using bsoncxx::builder::basic::kvp;using bsoncxx::builder::basic::make_document;
int main() { try { mongocxx::instance instance;
mongocxx::uri uri("<connection string>"); mongocxx::client client(uri);
auto database = client["<database name>"]; auto collection = database["<collection name>"];
// Start example code here
// End example code here
} catch (const mongocxx::exception& e) { std::cout << "An exception occurred: " << e.what() << "\n"; return EXIT_FAILURE; } return EXIT_SUCCESS;}单字段索引
以下代码展示了如何创建升序单字段索引：
auto index_specification = make_document(kvp("<fieldName>", 1));auto result = collection.create_index(index_specification.view());
std::cout << "Index created: " << bsoncxx::to_json(result) << std::endl;复合索引
以下代码演示了如何创建降序复合索引：
auto index_specification = make_document(kvp("<fieldName1>", -1), kvp("<fieldName2>", -1));auto result = collection.create_index(index_specification.view());
std::cout << "Index created: " << bsoncxx::to_json(result) << std::endl;要了解有关复合索引的更多信息，请参阅复合索引指南。
删除索引
以下代码演示了如何删除索引：
collection.indexes().drop_one("<indexName>");
std::cout << "Index dropped." << std::endl;删除所有索引
以下代码演示如何删除集合中的所有索引：
collection.indexes().drop_all();
std::cout << "All indexes removed." << std::endl;MongoDB Search 和 向量搜索 索引管理
以下部分包含介绍如何管理MongoDB搜索和向量搜索索引的代码示例。
要了解有关MongoDB搜索索引的更多信息，请参阅MongoDB搜索索引指南。
要学习；了解有关MongoDB Vector Search 索引的更多信息，请参阅MongoDB Vector Search 索引指南。
创建搜索或向量搜索索引
以下代码演示如何创建MongoDB搜索索引，该索引可为指定集合中的所有支持字段动态编制索引：
// Create a search index model with your index name and definitionauto siv = collection.search_indexes();auto name = "<searchIndexName>";auto definition = make_document(kvp("mappings", make_document(kvp("dynamic", true))));auto model = mongocxx::search_index_model(name, definition.view());
// Create the search indexauto result = siv.create_one(model);std::cout << "New index name: " << result << std::endl;以下代码展示了如何在指定字段上创建MongoDB Vector Search索引：
// Create a vector search index model with your index name and definitionauto model = mongocxx::search_index_model("<vectorSearchIndexName>",make_document( kvp("fields", make_array(make_document( kvp("type", "vector"), kvp("path", "<fieldName>"), kvp("numDimensions", 2048), kvp("similarity", "dotProduct"), kvp("quantization", "scalar"))))));model.type("vectorSearch");
// Create the vector search indexauto result = siv.create_one(model);std::cout << "New index name: " << result << std::endl;列表搜索和向量搜索索引
以下代码会打印指定集合中的MongoDB Search 和 Vector Search 搜索索引列表：
auto siv = collection.search_indexes();auto result = siv.list(); for (const auto &idx : result) { std::cout << bsoncxx::to_json(idx) << std::endl;}更新搜索或向量搜索索引
以下代码使用指定的新索引定义更新现有MongoDB搜索索引：
auto siv = collection.search_indexes();auto update_fields = make_document(kvp("<fieldName>", make_document(kvp("type", "<fieldType>"))));auto update_definition = make_document(kvp("mappings", make_document(kvp("dynamic", false), kvp("fields", update_fields))));siv.update_one("<searchIndexName>", update_definition.view());以下代码使用指定的新索引定义更新现有MongoDB Vector Search索引：
auto siv = collection.search_indexes();auto definition = make_document( kvp("fields", make_array(make_document( kvp("type", "vector"), kvp("path", "<fieldName>"), kvp("numDimensions", 2048), kvp("similarity", "euclidean"), kvp("quantization", "binary")))));siv.update_one("<vectorSearchIndexName>", definition.view());删除搜索或向量搜索索引
以下代码删除具有指定名称的MongoDB搜索索引：
auto siv = collection.search_indexes();siv.drop_one("<searchIndexName>");