Vector Search

อธิบายการค้นหา Vector ด้วย query manual/Automated Embedding, ANN/ENN, pre/post filter, ตัวเลือก nested vector ของ Driver 5.10 และเส้นทางการขยาย Bson.

การค้นหา Vector พื้นฐาน.

java
Flux<Article> results = dsl
    .executeEntity(Article.class, MongoTemplateName.FRONT)
    .vectorSearch("articles_vector_index")
    .path("embedding")
    .queryVector(embedding)
    .limit(20)
    .approximate(200)
    .findAll()
    .execute();

การค้นหา Vector ต้องการชื่อดัชนีที่ชัดเจนและ $vectorSearch จะเป็น stage แรกของการรวม.

Query vector / Automated Embedding.

queryVector(float[]/double[]/Collection<Double>)

ส่งเวกเตอร์ที่สร้างโดยแอปพลิเคชัน.

queryVector(BinaryVector).

ใช้การแสดงผลเวกเตอร์ไบนารีที่กระชับของ MongoDB Driver โดยตรง.

query(String).

ส่ง query text เองไปยังดัชนี Automated Embedding ของ MongoDB.

query(VectorSearchQuery).

เป็น escape hatch ที่เข้ากันได้ในอนาคตสำหรับการส่งประเภท query ที่เป็น native ของ Driver โดยตรง.

java
.vectorSearch("articles_auto_embedding")
.path("content")
.query("reactive mongodb search")
.model("model-name")
.limit(20)
.approximate(200)
.findAll()
.execute();

ฟังก์ชันที่ให้ DSL core เรียกผู้ให้บริการ embedding ภายนอกเพื่อสร้างเวกเตอร์ไม่ได้รวมอยู่ด้วย เวกเตอร์แบบ manual จะถูกสร้างโดยแอปพลิเคชันที่เรียกและส่งไปยัง queryVector(...).

ANN / ENN.

ANN.

ใช้ approximate(numCandidates) หรือ numCandidates(...) ใน ANN ต้องการจำนวนผู้สมัคร.

ENN.

ใช้ exact() หรือ exact(true) เมื่อเปิดใช้งาน exact ค่าของ numCandidates ที่มีอยู่จะถูกลบออก.

Pre-filter / post-filter.

java
.vectorSearch("articles_vector_index")
.path("embedding")
.queryVector(embedding)
.limit(20)
.approximate(200)
.filter(filter -> filter
    .and(f -> f.fields(
        pair("status", "PUBLISHED"),
        pair("deleted", false)
    ))
)
.fields(pair("category", "TECH"))
.findAll()
.execute();

filter()/filterFields().

เป็น pre-filter ที่ส่งผลต่อการเลือกผู้สมัครเองใน $vectorSearch.filter.

fields(...).

post-filter ทั่วไปหลัง $vectorSearch คือ $match.

การฝังซ้อน/อาร์เรย์ (Driver 5.10).

java
Flux<Article> result = dsl
    .executeEntity(Article.class, MongoTemplateName.FRONT)
    .vectorSearch("articles_vector_index")
    .path("chunks.embedding")
    .queryVector(embedding)
    .limit(20)
    .exact()
    .filter(f -> f.fields(
        pair("chunks.kind", "BODY")
    ))
    .parentFilter(f -> f.fields(
        pair("tenantId", tenantId)
    ))
    .nestedScoreMode(VectorSearchScoreMode.AVG)
    .findAll()
    .execute();

filter / filterFields.

filter ของเอกสารใบปลิวใน nested embedding.

parentFilter / parentFilterFields.

parentFilter ที่ใช้กับเอกสารหลักใน Driver 5.10

nestedScoreMode

รวมคะแนน embedding ที่ตรงกันหลายคะแนนของเอกสารหนึ่งด้วย AVG หรือ MAX

Score / projection / terminal

java
.vectorSearch("articles_vector_index")
.path("embedding")
.queryVector(embedding)
.limit(20)
.approximate(200)
.addFieldsVectorSearchScore("similarity")
.excludes("embedding")
.findAll()
.execute();

findAll / find

ส่งคืนผลลัพธ์เวกเตอร์เป็น Flux/Mono

count().execute()

นับจำนวนผลลัพธ์ของ pipeline หลังจากเวกเตอร์ลิมิต ไม่ใช่จำนวนทั้งหมดของ corpus

existsQuery().execute()

ตรวจสอบว่ามีผลลัพธ์ของ pipeline เวกเตอร์หรือไม่

Driver-native post stage / options

java
.vectorSearch("articles_vector_index")
.path("embedding")
.queryVector(vector)
.limit(20)
.exact()
.stage(Aggregates.score("$rating"))
.driverOptions(options -> options
    .parentFilter(Filters.eq("tenantId", tenantId))
    .nestedOptions(
        VectorSearchNestedOptions.vectorSearchNestedOptions()
            .scoreMode(VectorSearchScoreMode.AVG)
    )
)
.findAll()
.execute();

stage(Bson) จะถูกเรียกใช้ก่อนหลังจาก $vectorSearch และก่อน post-filter/metadata/projection driverOptions(...) เป็น escape hatch ที่สามารถใช้ตัวเลือก Driver ปัจจุบัน/อนาคตที่ยังไม่มีใน convenience API ได้

© 2026 Byeolnaerim. สงวนลิขสิทธิ์.แนะนำนโยบายการจัดการข้อมูลส่วนบุคคล