벡터 검색을 위해 벡터 임베딩을 인덱스하는 방법

knnVector 0} 유형 제한 검토

문서 배열 내부의 필드 또는 객체 배열 내부의 필드(Atlas Search embeddedDocuments 유형)를 knnVector 유형으로 인덱싱할 수 없습니다.

0} 유형에 대한 knnVector 인덱스 정의

다음은 knnVector 유형에 대한 JSON 구문입니다. 기본 인덱스 정의를 다음으로 바꿉니다. 필드에 대해 자세히 알아보려면 필드 속성을 참조하세요.

1
{
2
  "mappings": {
3
    "name": "<index-name>",
4
    "dynamic": true|false,
5
    "fields": {
6
      "<field-name>": {
7
        "type": "knnVector",
8
        "dimensions": <number-of-dimensions>,
9
        "similarity": "euclidean | cosine | dotProduct"
10
      }
11
    }
12
  }
13
}

0}knnVector 필드 속성 구성

knnVector 유형에는 다음과 같은 옵션이 있습니다:

유형<a class=\" \" href=\" \" title=\" \"><svg xmlns=\" \" width=\" \" height=\" \" fill=\" \" viewbox=\" \"knnVector class=\" \" role=\" \" aria-label=\" \"><path fill=\" \" d=\" \"> <path fill=\" \" d=\" \"> 에 대한 예시를 사용해 보세요.

sample_mflix.embedded_movies 컬렉션에 대한 다음 인덱스 정의는 컬렉션에서 동적으로 인덱싱할 수 있는 모든 필드를 동적으로 인덱싱하고 plot_embedding 필드를 knnVector 유형으로 정적으로 인덱싱합니다. plot_embedding 필드에는 OpenAI의 text-embedding-ada-002 임베딩 모델을 사용하여 생성된 임베딩이 포함되어 있습니다. 인덱스 정의는 1536 벡터 차원을 지정하고 euclidean을 사용하여 유사성을 측정합니다.

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

클러스터에 샘플 데이터를 로드하고 이 컬렉션에 대한 이전 Atlas Search 인덱스를 만들면 이 컬렉션에 대해 $vectorSearch 쿼리를 실행할 수 있습니다. 실행할 수 있는 샘플 쿼리에 대해 자세히 알아보려면 $vectorSearch 예시를 참조하세요.