开通节点与使用

更新时间：2026-03-13

本文档介绍如何在 MongoDB 实例中开通 mongot 搜索节点，并提供 全文索引与向量索引的创建及使用示例。

背景介绍

MongoDB Search 向量搜索是一种基于数据语义或潜在含义返回结果的搜索方式。

与依赖关键词匹配的传统全文检索不同，向量搜索通过在 多维向量空间 中查找与查询向量距离最接近的数据，从而识别语义上的相似性。向量之间的距离越近，其表达的语义相关性也越高。

MongoDB 通过在数据库实例中引入专用的 搜索节点（mongot），提供 MongoDB Search 能力，使数据库可以作为 向量数据库 使用。用户不仅可以基于数据语义进行相似度检索，还可以将 向量搜索与全文搜索能力结合，实现更加智能和灵活的检索体验。

计费说明

MongoDB Search功能当前处于邀请测试阶段。您可以通过提交工单或联系对应TAM申请试用。

在此期间，开通并使用功能不收取mongot搜索节点费用，只需支付MongoDB主实例的费用。

适用范围

当前仅 MongoDB 8.2版本的副本集实例 支持创建 mongot 搜索节点。
测试阶段有如下功能暂不支持：

模块	功能	预计完善时间
mongot	单节点副本集暂不支持 mongot 节点	-
	分片集暂不支持 mongot 节点	-
	暂不支持维护时间内创建 mongot 节点	-
	创建实例时不支持同步创建 mongot 节点	-
	开通 mongot 节点后不支持变更子网	-
	开通 mongot 节点后不支持迁移可用区	-
	开通 mongot 节点后不支持修改端口号	-
8.2	审计日志	3.31
8.2	备份管理	3.31

操作指南

操作示例通过 MongoDB Shell（mongosh） 或兼容的 MongoDB 驱动程序完成。

创建mongot节点

登录 MongoDB 管理控制台。
在页面左上角，选择实例所在的地域。
在左侧导航栏，访问 副本集实例列表。
找到目标实例，单击 实例名称。
在实例 MongoDB Search 中，点击 开通节点，并等待节点开通完成。

连接mongot节点

使用 mongosh 或应用程序连接目标 MongoDB 实例，连接方式请参考通过MongoShell连接实例。

注意

自 MongoDB 6.0 起，mongo Shell 已被移除，请使用 mongosh 执行连接与相关操作。

创建和使用索引

本示例演示如何在items集合中创建并使用 全文索引 与 向量索引。

插入测试数据

                Bash
                
            

                db.items.insertMany([
{
  _id: 1,
  title: "MongoDB Vector Search",
  body: "MongoDB supports vector similarity search",
  category: "tech",
  ts: new Date(),
  embedding: [0.1, 0.2, 0.3 /* ... 继续到 768 个数字 */ ]
},
... //建议批量生成，上述单条数据仅供参考格式
])
            

创建全文Search索引

                Bash
                
            

                db.items.createSearchIndex(
  "txt_idx",                         // 索引名称
  "search",                          // 索引类型
  {
    mappings: {
      dynamic: false,
      fields: {
        title: { type: "string" },   // 标题全文检索
        body:  { type: "string" },   // 内容全文检索
        category: { type: "token" }, // 分类过滤
        ts: { type: "date" }         // 时间过滤
      }
    }
  }
)
            

验证全文检索

                Bash
                
            

                db.items.aggregate([
{
    $search: {
        index: "txt_idx",
        text: {
            query: "mongot",            // 要搜索的关键词
            path: ["title","body"]      // 指定搜索字段
        }
    }
},
{
    $project: {                         // 控制返回字段
        title: 1,
        body: 1,
        score: { $meta: "searchScore" }
    }
}
])
            

创建向量索引

                Bash
                
            

                db.items.createSearchIndex(
  "vec_idx",                    // 索引名称
  "vectorSearch",               // 索引类型
  {
    fields: [
      {
        type: "vector",
        path: "embedding",     // 向量字段
        numDimensions: 768,    // 向量维度
        similarity: "cosine"   // 相似度算法
      }
    ]
  }
)
            

验证向量相似度搜索

                Bash
                
            

                const QUERY_EMBEDDING = [0.12, 0.2, 0.3,... ]; // 示例向量
db.items.aggregate([
{
    $vectorSearch: {                           // 向量相似度搜索
        index: "vec_idx",                      // 向量索引名称
        path: "embedding",                     // 向量字段
        queryVector: QUERY_EMBEDDING,
        numCandidates: 10,                     // 初步检索的候选数量
        limit: 3                               // 返回最相似的前K条文档（TopK）
    }
},
{
    $project: {                                // 控制返回字段
        title: 1,
        category: 1,
        score: { $meta: "vectorSearchScore" }  // 向量相似度得分
        }
}
])
            

同城容灾

典型实践

百度智能云

云数据库 DocDB for MongoDB