Integração do Atlas Search com o BuildSship
Avalie esse Início rápido
A integração do MongoDB Search no BuildSip permite que os usuários aproveitem o Atlas Search para suas necessidades avançadas de pesquisa e indexação por meio de uma interface simplificada e de baixo código. O Atlas Search oferece recursos avançados de pesquisa de texto completo, pesquisa vetorial e pesquisa híbrida, permitindo a criação de experiências de pesquisa altamente relevantes e sofisticadas em seus aplicativos e sites.
O Atlas Search é uma solução de pesquisa totalmente integrada, poderosa e fácil de usar que permite que os desenvolvedores criem experiências de pesquisa avançadas sem a necessidade de sistemas de pesquisa externos. Ao aproveitar a escalabilidade e a confiabilidade do MongoDB Atlas, os desenvolvedores podem utilizar recursos como pesquisa de texto completo, classificação baseada em relevância e indexação sofisticada — tudo diretamente dentro de seu ambiente de banco de dados de dados gerenciado.
O BuildSip é uma plataforma de baixo código/nenhum código que permite aos usuários criar aplicativos, fluxos de trabalho e integrações sofisticados rapidamente. Com sua interface intuitiva de arrastar e soltar, o BuildSship habilita desenvolvedores e não desenvolvedores a projetar soluções sem a necessidade de escrever código extensivo. A integração do MongoDB no BuildSship facilita a criação de aplicativos orientados por dados com recursos de pesquisa avançados, aproveitando o Atlas Search.
Os nós de pesquisa do MongoDB da BuildSip fornecem uma conexão fácil com as instâncias do MongoDB Atlas , permitindo que os desenvolvedores criem APIs, tarefas agendadas e fluxos de trabalho baseados em pesquisa sem problemas.
Esses nós oferecem uma interface sem código para recursos de pesquisa avançada, simplificando tarefas como indexar documentos, ajustar configurações e executar query complexas. Isso torna o gerenciamento das funcionalidades de pesquisa eficiente e acessível dentro do ambiente intuitivo do BuildSip.
Antes de começar a usar os Nós de Pesquisa do MongoDB no BuildSip, verifique se você tem os seguintes pré-requisitos:
Você precisará acessar um projeto do MongoDB Atlas . Siga estas etapas para preparar sua conta e iniciar seu primeiro projeto:
- Navegue até MongoDB Atlas para se inscrever em uma nova conta ou fazer login se você for um usuário existente.
- Crie um novo projeto e configure seu banco de dados de dados, incluindo a adição de dados de amostra, se necessário.
Para obter instruções detalhadas sobre como configurar seu projeto MongoDB MongoDB Atlas e integrá-lo ao BuildSship, consulte a [documentação](documentação](https://docs.buildship.com/ banco de dados/mongodb# banco de dados).
Para usar os recursos do Full Text Search , você deve configurar um índice do Atlas Search para fazer query nos dados em seu Atlas cluster.
- No Atlas, Go a páginaClusters do seu projeto.
- Navegue até a página doAtlas Search para seu cluster.
- Selecione Atlas Search Visual Editor em Método de Configuração do Atlas Search e clique em Avançar.
- Insira o Nome do índice (por exemplo,
fts), defina o Banco dedados e aColeçãoe clique em Criar índice de pesquisa.
O índice deve ser criado com o nome
fts se você não desejar alterar o Nome do Índice > no nó. Você pode criar este índice utilizando a UI do Atlas , a API de Atlas Search do Atlas ou a Atlas CLI do Atlas.
Entradas:
- Connection string: A connection string do MongoDB .
- Banco de dados: O nome do banco de banco de dados.
- Collection: o nome da collection para a pesquisa de texto completo.
- Query: a string da query de pesquisa .
- Nome do Índice: (Opcional) O número de resultados a serem retornados, o padrão é 10.
Saída: o nó Full Text Search retorna um objeto com as seguintes propriedades:
1 { 2 "success": boolean, 3 "count": integer, 4 "documents": [ 5 { 6 "document": object 7 } 8 ] 9 }
- success: um booleano que indica se a pesquisa foi bem-sucedida.
- count: número de documentos retornados pela pesquisa.
- documentos: Array de documentos resultantes da query.
Para realizar a pesquisa semântica e a pesquisa híbrida no MongoDB, você precisa criar incorporações para seus documentos. Essas incorporações representam seus dados como pontos no espaço multidimensional, permitindo pesquisas sofisticadas.
- Gerar incorporações com OpenAI: Use o nó Gerar incorporações do BuildSship OpenAI para criar incorporações para o conteúdo de cada documento.
- Recuperar documentos de coleção: use o nó Coleção de query para recuperar os documentos necessários.
- Atualizar coluna de incorporação: atualize cada documento com os novos valores de incorporação usando o nó Gerar incorporações e o nó Atualizar documento do MongoDB .
Esta etapa é necessária para habilitar pesquisas semânticas e híbridas no MongoDB.
- Go a páginaClustersdo seu projeto Atlas.
- Navegue até a página doAtlas Search.
- Selecione Editor JSON em Método de Atlas Vector Search e clique em Avançar.
- Insira o Nome do Índice (
vector_index) e configure:
1 { 2 "fields": [ 3 { 4 "type": "vector", 5 "path": "embedding", 6 "numDimensions": 1536, 7 "similarity": "euclidean" 8 } 9 ] 10 }
- type: tipo de campo para incorporações vetoriais.
- caminho: Caminho para o campo de incorporação .
- numDimensions: normalmente 1536 se estiver usando incorporações OpenAI.
- similarity: especifique o tipo de similaridade (por exemplo,
euclidean,cosine).
- Connection string: A connection string do MongoDB .
- Banco de dados: O nome do banco de banco de dados.
- Collection: o nome da coluna na tabela especificada onde a pesquisa de texto completo será realizada.
- Query: a string de query de pesquisa que você deseja usar para localizar documentos correspondentes.
- Nome do Índice: O nome do índice de pesquisa vetorial .
- Candidatos: (opcional) O número de resultados de candidatos a considerar. O padrão é 150.
- Limite: (opcional) O número máximo de resultados a serem retornados. O padrão é 10.
Saída: mesma estrutura de saída que o nó Full Text Search , fornecendo uma lista de documentos correspondentes.
A pesquisa híbrida combina o poder da pesquisa semântica e da pesquisa de texto completo. Essa abordagem permite resultados de pesquisa abrangentes combinando os pontos fortes de ambos os métodos.
Você precisará criar o índice de Full Text Search (
fts) e o índice de Vector Search (vector_index). Certifique-se de que ambos os índices estejam configurados corretamente para evitar alterar os nomes dos índices nos nós. Entradas:
- Semelhante aos outros nós de pesquisa, com configurações adicionais para os índices vetoriais e de texto completo.
Saída: a estrutura de saída corresponde à dos nós Full Text e Semantic Search, retornando documentos correspondentes.
A integração dos recursos de pesquisa avançada do MongoDB em seus fluxos de trabalho do BuildSship permite a criação de soluções altamente eficazes e sem código para lidar com necessidades de pesquisa sofisticadas. Seja por meio de pesquisa de Full Text Search semântica ou pesquisa híbrida, a BuildSip e o MongoDB Atlas fornecem uma plataforma flexível e eficiente para criar experiências de pesquisa avançadas.
Aqui está um exemplo de um aplicação de Recomendação de filme construído com a BuildSship e o MongoDB Atlas Hybrid Search.
Comece a criar aplicativos com oMongoDB Atlas e o BuildSship hoje mesmo. Se tiver alguma dúvida ou precisar de ajuda, consulte os fóruns da comunidade do MongoDB.
Principais comentários nos fóruns
Ainda não há comentários sobre este artigo.