Crie um índice do Atlas Vector Search

Nesta página

Sobre esta tarefa
Passos
Exemplo
Resultados
Saiba mais

Novidade na versão 1.42.1.

Você pode criar índices do Atlas Vector Search usando o MongoDB Compass. Esses índices permitem que você indexe dados vetoriais e outros tipos de dados, o que facilita as pesquisas semânticas nos campos indexados. Os índices do Atlas Vector Search suportam a indexação de dados vetoriais, identificando os vetores mais semelhantes. O índice determina a similaridade calculando a distância entre o vetor de consulta e os vetores armazenados no índice.

Sobre esta tarefa

Para criar um índice do Atlas Search , seu sistema deve se alinhar com um dos seguintes casos:

Um sistema hospedado no MongoDB Atlas e ter uma camada do Atlas cluster de M10 ou superior.
Uma implantação local que é configurada usando o Atlas CLI.

Além disso, seu sistema deve executar o MongoDB versão 7.0 ou posterior.

Passos

Abrir a caixa de diálogo de criação de índice

Na aba Índices , clique no botão Create e, em seguida, clique em Search Index.

Especifique um nome para o índice

Selecione o tipo de índice do Atlas Search

Selecione Vector Search.

Fornecer as configurações do índice do Atlas Vector Search

Inicialmente, você deve fornecer as seguintes configurações de índice de pesquisa vetorial padrão. Você pode modificar as configurações posteriormente.

Campo

Tipo

Descrição

type

string

Rótulo legível por humanos que identifica o tipo de índice. O valor deve ser vector para executar uma pesquisa vetorial em relação aos campos indexados. Se omitido, o padrão é search, que oferece suporte apenas à pesquisa de texto completo.

path

string

O nome do campo a ser indexado.

numDimensions

int

Número de dimensões vetoriais, que o Atlas Search impõe no momento do índice e da consulta. Este valor não pode ser maior que 4096.

similarity

string

A função de similaridade vetorial usada para procurar os K- vizinhos mais próximos. Selecione entre as seguintes funções:

Função	Descrição
`euclidean`	Uma função que mede a distância entre as extremidades dos vetores. Essa função permite medir a similaridade com base na variação de dimensões.
`cosine`	Uma função que mede a similaridade com base no ângulo entre os vetores. Esta função permite que você meça a similaridade que não é dimensionada pela magnitude. Você não pode usar vetores de magnitude zero com cosseno. Para medir a similaridade de cossenos, recomendamos que você normalize seus vetores e, em vez disso, use dotProduct.
`dotProduct`	Uma função que mede de forma semelhante ao cosseno, mas leva em conta a magnitude do vetor. Essa função permite medir com eficiência a similaridade com base no ângulo e na magnitude. Para usar dotProduct, você deve normalizar o vetor para o comprimento unitário no momento do índice e do query.

Clique em Create Search Index

Exemplo

O exemplo de definição a seguir usa a coleção sample_mflix.embedded_movies e indexa o campo plot_embedding para criar um índice de pesquisa vetorial do Atlas:

{
   "fields": [ {
      "type": "vector",
      "path": "plot_embedding",
      "numDimensions": 1536,
      "similarity": "euclidean"
   } ]
}

Resultados

Para visualizar o status do índice criado, vá para a guia Indexes e defina a opção no canto superior direito para Search Indexes .

A coluna Status indica o status do índice. Quando o status é Ready, seu índice está pronto para ser usado.

Para mais informações sobre status de índice de pesquisa , consulte Status de índice do Atlas Search .

Saiba mais

Voltar

Índice de Pesquisa do Atlas

Analisar esquema de dados