Spring AI 中的 MongoDB 向量数据库集成了 MongoDB 的向量功能，提供向量存储和搜索能力。

​
概述

MongoDB 向量数据库支持：
  • 基于文档的向量存储
  • 灵活的模式设计
  • 实时向量搜索
  • 可扩展架构

​
特性

基于文档

文档向量存储

灵活

灵活的模式设计

实时

实时搜索

可扩展

水平扩展

​
实现

​
基本设置

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mongodb-vectordb</artifactId>
    <version>${spring-ai.version}</version>
</dependency>

​
配置

# MongoDB 向量数据库配置
spring.ai.mongodb.vectordb.enabled=true
spring.ai.mongodb.vectordb.uri=mongodb://localhost:27017
spring.ai.mongodb.vectordb.database=vectordb
spring.ai.mongodb.vectordb.collection=vectors

​
用法

@Service
public class MongoDBVectorService {
    private final MongoDBVectorClient vectorClient;

    public MongoDBVectorService(MongoDBVectorClient vectorClient) {
        this.vectorClient = vectorClient;
    }

    public void storeVector(String id, float[] vector, Map<String, Object> metadata) {
        vectorClient.store(id, vector, metadata);
    }

    public List<SearchResult> searchSimilar(float[] queryVector, int k) {
        return vectorClient.search(queryVector, k);
    }
}

​
向量操作

​
1. 向量存储

@Configuration
public class MongoDBVectorStorageConfig {
    @Bean
    public VectorStorage mongoDBVectorStorage(MongoDBVectorProperties properties) {
        return new MongoDBVectorStorage(properties);
    }
}

​
2. 相似性搜索

@Configuration
public class MongoDBSimilaritySearchConfig {
    @Bean
    public SimilaritySearch mongoDBSimilaritySearch(MongoDBVectorProperties properties) {
        return new MongoDBSimilaritySearch(properties);
    }
}

​
3. 集合管理

@Service
public class CollectionService {
    private final MongoDBVectorClient vectorClient;

    public void createCollection(String name, int dimension) {
        vectorClient.createCollection(name, dimension);
    }

    public void dropCollection(String name) {
        vectorClient.dropCollection(name);
    }
}

​
高级特性

​
自定义集合配置

@Configuration
public class CollectionConfig {
    @Bean
    public CollectionConfig collectionConfig() {
        return CollectionConfig.builder()
            .name("custom-vectors")
            .dimension(1536)
            .indexType(IndexType.HNSW)
            .metricType(MetricType.COSINE)
            .build();
    }
}

​
索引管理

@Configuration
public class IndexConfig {
    @Bean
    public IndexConfig indexConfig() {
        return IndexConfig.builder()
            .name("vector_index")
            .type(IndexType.HNSW)
            .dimension(1536)
            .build();
    }
}

​
监控

management.endpoints.web.exposure.include=mongodb-vectordb
management.endpoint.mongodb-vectordb.enabled=true

​
最佳实践

使用 MongoDB 向量数据库时，请考虑以下最佳实践：
  • 集合设计：设计高效的集合结构
  • 索引管理：优化索引配置
  • 分片策略：实施有效的分片
  • 资源管理：配置资源分配
  • 监控：设置全面的监控

​
故障排除

常见问题及解决方案：
  1. 连接问题
    • 验证连接 URI
    • 检查身份验证
    • 查看网络设置
  2. 性能问题
    • 优化索引配置
    • 调整分片策略
    • 查看查询模式
  3. 存储问题
    • 监控集合大小
    • 执行清理
    • 查看保留策略

文档有误？请协助编辑

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！