elasticsearch 向量初探索

查看 elasticsearch 版本

GET /

我使用的是 7.1.0 已支持向量

起源

最开始探索好奇以图搜图，以文搜图这样的功能是怎样实现？慢慢接触后，其实实现的方式很多种，es 也只是实现向量搜索其中的一种，也有专门的向量的数据库，用来做这件事。当然业务中也有很多使用了ES 所以就想使用ES 来进行实现向量搜索。

如何实现

大体思路

首先梳理下向量搜索：首先拆分为几步：
第一步：理解向量；
第二步：es 与 向量直接的关系 查询的算法；
第三步：如何将数据转化为向量

流程

css 复制代码

第一步：将图片转化为向量存入es： 需要将图片转化为向量：存储到es中；
第二步：将搜索的文本转化为向量，在 ES 库中进行搜索


图片使用：clip-ViT-B-32 模型 
文本使用：sentence-transformers/clip-ViT-B-32-multilingual-v1 模型 
余弦相似度：cosineSimilarity算法进行搜索；
语言：python3

这里我使用的是 python 加载模型：因为 python 对模型支持比较好：

定义 mapping

arduino 复制代码

PUT image-vetor
{
        "mappings": {
            "properties": {
                "entity_name": {
                    "type": "text"
                },
                "entity_name_embedding":{
                  	"type": "dense_vector",
                        "dims": 512
                }
            }
        }
}

dims ：需要与你模型生成向量相符

demo 实现

python 复制代码

from sentence_transformers import SentenceTransformer
from PIL import Image
import requests
from elasticsearch import Elasticsearch, helpers

# 使用 CLIP 模型加载和编码图像
img_model = SentenceTransformer('clip-ViT-B-32')


# 加载图像的函数
def load_image(url_or_path):
    if url_or_path.startswith("http://") or url_or_path.startswith("https://"):
        return Image.open(requests.get(url_or_path, stream=True).raw)
    else:
        return Image.open(url_or_path)


# 图像路径
img_paths = [
    "https://unsplash.com/photos/QtxgNsmJQSs/download?ixid=MnwxMjA3fDB8MXxhbGx8fHx8fHx8fHwxNjM1ODQ0MjY3&w=640",
    "https://unsplash.com/photos/9UUoGaaHtNE/download?ixid=MnwxMjA3fDB8MXxzZWFyY2h8Mnx8Y2F0fHwwfHx8fDE2MzU4NDI1ODQ&w=640",
]

images = [load_image(img) for img in img_paths]

# 将图像映射到向量空间
img_embeddings = img_model.encode(images)

# 创建 Elasticsearch 客户端

es = Elasticsearch('name:pwd@xxxx:9200')

# 创建索引和映射
index_name = 'image-vetor'

if not es.indices.exists(index=index_name):
    es.indices.create(index=index_name, body={
        "mappings": {
            "properties": {
                "entity_name_embedding": {
                    "type": "dense_vector",
                    "dims": img_embeddings.shape[1]
                }
            }
        }
    })


# 准备要插入的数据
def generate_docs(embeddings):
    num = 0
    for i, embedding in enumerate(embeddings):
        num = num + 1
        yield {
            "_index": index_name,
            "_id": num,  # 可以使用其他唯一标识符
            "_source": {
                "entity_name": f"image_{i}",
                "entity_name_embedding": embedding.tolist(),  # 将 numpy 数组转换为列表
                "url": img_paths[i]
            }
        }


# 插入数据到 Elasticsearch
helpers.bulk(es, generate_docs(img_embeddings))

print("Data inserted successfully")

text_model = SentenceTransformer('sentence-transformers/clip-ViT-B-32-multilingual-v1')
text_embeddings = text_model.encode("shoes")

queryStr = "dog"
# 执行向量查询
query_body = {
    "query": {
        "script_score": {
            "query": {
                "match_all": {}
            },
            "script": {
                "source": "cosineSimilarity(params.query_vector, 'entity_name_embedding') + 1.0",
                "params": {
                    "query_vector": text_embeddings
                }
            }
        }
    }
}

response = es.search(index=index_name, body=query_body)

# 打印查询结果
for hit in response['hits']['hits']:
    print(hit)