创建 Atlas Vector Search 索引

在此页面上

关于此任务

步骤
例子
结果
了解详情

版本 1.42.1 中的新增内容。

您可以使用 MongoDB Compass 创建 Atlas Vector Search 索引。这些索引使您能够索引向量数据和其他数据类型，从而便于对索引字段进行语义搜索。 Atlas Vector Search 索引支持通过识别最相似的向量来索引向量数据。索引通过计算查询向量与索引中存储的向量之间的距离来确定相似度。

关于此任务

要创建 Atlas Search 索引，您的部署必须符合以下情况之一：

在MongoDB Atlas上托管且 Atlas 集群层为 M 10或更高的部署。
使用 Atlas CLI 设置的本地部署。

此外，您的部署必须运行 MongoDB 7.0 或更高版本。

步骤

打开索引创建对话框

在索引标签页中，单击 Create按钮，然后单击Search Index 。

指定索引名称

选择 Atlas Search 索引类型

选择 Vector Search 。

提供 Atlas Vector Search 索引配置

您必须首先提供以下默认矢量搜索索引配置。您可以稍后修改配置。

字段

类型

说明

path

字符串

要创建索引的字段名称。

numDimensions

int

向量维度数，Atlas Search 在索引和查询时会严格要求向量维度数保持一致。此值不能大于 2048。

similarity

字符串

用于搜索前 K 个最近邻域的向量相似度函数。从以下函数中进行选择：

function	说明
`euclidean`	测量向量两端之间距离的函数。此函数允许您根据不同的维度来衡量相似性。
`cosine`	一种根据向量之间的角度衡量相似度的函数。此函数允许您衡量不按幅度缩放的相似性。不能将零幅度向量与余弦一起使用。要衡量余弦相似度，我们建议将向量标准化并改用 dotProduct。
`dotProduct`	一种函数，其测量方式与余弦类似，但考虑了向量的幅度。此函数可让您根据角度和幅度有效地衡量相似度。要使用 dotProduct，必须在索引时和查询时将向量标准化为单位长度。

单击 Create Search Index

例子

以下示例定义使用 sample_mflix.embedded_movies 集合并对 plot_embedding 字段建立索引以创建 Atlas Vector Search 索引：

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

结果

要查看创建的索引的状态，请Go到Indexes标签页并将右上角的开关设置为Search Indexes 。

Status 列显示索引的状态。当状态为 Ready 时，您的索引就可以使用了。

有关搜索索引状态的更多信息，请参阅Atlas Search 索引状态。

了解详情

后退

创建和管理 Atlas Search 索引

来年

分析数据模式