Elasticsearch:设置向量搜索

Elasticsearch 简介

当你开始使用 Elastic 时,你将使用 Elasticsearch Relevance Engine™(ESRE),它专为 AI 搜索应用程序提供支持。通过 ESRE,你可以利用一整套开发者工具,包括 Elastic 的文本搜索、向量数据库以及我们专有的 Transformer 模型进行语义搜索。

Elastic 提供多种搜索技术,从 BM25 开始,这是文本搜索的行业标准。它可以精准匹配特定搜索内容,匹配精确的关键词,并且可以通过调优来提升效果。

在开始使用向量搜索时,需要注意向量搜索有两种形式:"dense - 密集" 向量搜索(即 kNN 向量搜索)和"sparse - 稀疏"向量搜索。

此外,Elastic 还支持 kNN 向量,以实现对文本以外的非结构化数据(如视频、图像和音频)的相似性搜索。

在本指南中,我们将演示如何利用 Elasticsearch 作为向量数据库,以支持向量搜索的应用场景。

安装

Elasticsearch 及 Kibana

我们首先需要安装 Elasticsearch 及 Kibana。我们可以参考如下的文章来进行安装:

当我们安装的时候,选择 Elastic Stack 8.x 的文章来进行安装。在本展示中,我们将使用 Elastic Stack 8.17.2 来进行展示。当我们首次运行 Elasticsearch 时,我们可以看到如下的界面:

创建 Elasticsearch 索引

让我们创建第一个 Elasticsearch 索引,可以将其命名为 vector-search 。点击 Create my index(创建我的索引)。

开始使用向量搜索

现在你已经创建了无服务器项目和第一个索引,是时候将数据导入 Elasticsearch 了。我们已让此过程变得简单,在 Data > Index Management Data 中,点击 Run in Console(在控制台中运行)。

一个侧边窗口(flyout)会弹出,显示控制台。你会在左侧看到代码,点击 Send request 按钮 ▶ 后,你将在右侧看到执行的代码。

第一个命令将为索引创建映射,包括一个名为 vector 的向量字段和一个名为 text 的文本字段。

arduino 复制代码
`

1.  PUT vector-search/_mapping
2.  {
3.    "properties": {
4.      "vector": {
5.        "type": "dense_vector",
6.        "dims": 3
7.      },
8.      "text": {
9.        "type": "text"
10.      }
11.    }
12.  }

`AI写代码

上面的命令定义 vector-search 索引的 mapping:

json 复制代码
`

1.  POST _bulk?pretty
2.  { "index" : { "_index" : "vector-search" } }
3.  {"vector": [9.048, 9.573, 3.047], 
4.  "title": "Yellowstone National Park"}
5.  { "index" : { "_index" : "vector-search" } }
6.  {"vector": [2.654, 6.36, 0.476], 
7.  "title": "Yosemite National Park"}
8.  { "index" : { "_index" : "vector-search" } }
9.  {"vector": [6.125, 8.118, 7.029], 
10.  "title": "Rocky Mountain  Park"}

`AI写代码

我们使用上面的 _bulk API 来写入三个数据。在 Elasticsearch 中,_bulk 请求是索引大量文档的首选方式。

使用 Elasticsearch

构建你的向量搜索查询

很好,现在我们可以使用 knn 查询来获取与给定向量最接近的文档,例如尝试向量 [2,6,0]。复制并粘贴以下请求:

sql 复制代码
`

1.  GET vector-search/_search
2.  {
3.   "knn": {
4.     "field": "vector",
5.     "k": 10,
6.     "num_candidates": 100,
7.     "query_vector": [2,6,0]
8.   }
9.  }

`AI写代码

完成,"Yosemite National Park" 的向量 [2.654, 6.36, 0.476] 确实是最接近的匹配项。

下一步

感谢你花时间在设置向量搜索上。随着你开始使用 Elastic,了解在你的环境中部署时需要管理的一些操作、安全和数据组件

准备好开始了吗?启动一个免费的 14 天 Elastic Cloud 试用,或者尝试这些 15 分钟的动手学习课程:《Search AI 101》。

相关推荐
G皮T4 小时前
【Elasticsearch】自定义评分检索
大数据·elasticsearch·搜索引擎·查询·检索·自定义评分·_score
feilieren13 小时前
Docker 安装 Elasticsearch 9
运维·elasticsearch·docker·es
Java烘焙师17 小时前
架构师必备:业务扩展模式选型
mysql·elasticsearch·架构·hbase·多维度查询
G皮T1 天前
【Elasticsearch】深度分页及其替代方案
大数据·elasticsearch·搜索引擎·scroll·检索·深度分页·search_after
G皮T1 天前
【Elasticsearch】检索排序 & 分页
大数据·elasticsearch·搜索引擎·排序·分页·检索·深度分页
飞询1 天前
Docker 安装 Elasticsearch 9
elasticsearch·docker
G皮T2 天前
【Elasticsearch】检索高亮
大数据·elasticsearch·搜索引擎·全文检索·kibana·检索·高亮
大只鹅2 天前
解决 Spring Boot 对 Elasticsearch 字段没有小驼峰映射的问题
spring boot·后端·elasticsearch
HGW6892 天前
基于 Elasticsearch 实现地图点聚合
java·elasticsearch·高德地图
小袁拒绝摆烂3 天前
ElasticSearch快速入门-1
大数据·elasticsearch·搜索引擎