向量搜索

向量是数据的数值表示及其相关上下文，可以使用高级算法高效搜索。

Atlas向量搜索允许通过在向量中捕获的语义意义进行数据搜索，而Atlas搜索则允许进行关键字搜索（即基于实际文本和任何定义的同义词映射）。

是的，MongoDB Atlas是一个向量数据库。Atlas是一个全托管的、多云开发者数据平台，具有丰富的功能，包括文本或词法以及向量搜索。我们平台的多功能性使用户能够在Atlas上存储其操作数据、元数据和向量嵌入，并无缝使用Atlas向量搜索进行索引、检索和构建高性能的生成式AI应用。

KNN代表“K-最近邻”，这是一种常用的算法，用于找到彼此接近的向量。

ANN代表“近似最近邻”，它是一种寻找相似向量的方法，以性能为代价换取精度。这是Atlas向量搜索使用的核心算法之一。我们用于近似最近邻搜索的算法使用层次可导航小世界（HNSW）图，以高效索引和查询数百万个向量。

ENN代表“精确最近邻”，这是一种寻找相似向量的方法，可能会以一些性能为代价换取精度。此方法返回查询向量最接近的向量，数量由变量limit指定。精确向量搜索（ENN）查询执行可以保持未过滤查询的上秒延迟，最多可达10,000个文档。它还可以为高度选择性的过滤器提供低延迟响应，将大量文档限制在10,000个或更少，并按向量相关性排序。

$vectorSearch是MongoDB Atlas中的一个聚合阶段，允许您使用MongoDB查询API过滤（例如，“$eq”或“$gte”）执行近似最近邻（ANN）或精确最近邻（ENN）查询。此阶段支持Atlas集群版本6.0及以上。Atlas搜索的knnVector字段类型和在$search中的knnBeta运算符现已弃用。

Atlas向量搜索支持服务4096维限制以下的任何提供者的嵌入。

Atlas向量搜索目前支持从嵌入提供者摄取、索引和查询标量量化向量。

是的，Atlas向量搜索可以查询任何可以转换为向量嵌入的数据类型。文档模型的一个好处是您可以将嵌入存储在与您的丰富数据相同的文档中。