Elasticsearch：在 X-mas 吃一些更健康的东西

作者：来自 Elastic piotrprz

我希望在假期里，你们也在吃健康的东西，而不只是甜蛋糕

假设你想提前买一些水果，你可能不知道所有的名字，也可能不知道你实际上想吃哪种水果，商店的库存里有很多东西，或者（就像我一样）你在国外过假期。

这里可以帮上忙的是一个不错的、低成本、多语言的语义搜索。

如果你在使用 Elastic Cloud Serverless，你可以依赖其中的很多东西，这些在一两年前并不一定具备，比如 semantic_text、EIS ( Elastic Inference Service )，或者来自 Jina 的多语言密集向量模型，它在 EIS 中默认启用，不需要让你的 GPU 吃力，也不需要你提前规划 ML 节点。

更多阅读：Elasticsearch：使用推理端点及语义搜索演示

假设商店用来保存库存的索引真的非常、非常简单（为了简单起见，我们跳过名称、SKU 和其他内容）。

复制代码

PUT inventory
{
  "mappings": {
    "properties": {
      "item": {
        "type": "semantic_text",
        "inference_id": ".jina-embeddings-v3"
      }
    }
  }
}

然后，让我们用一些可以购买的商品来填充它：

复制代码

POST inventory/_bulk?refresh=true
{ "index": { } }
{ "item": "cherries 🍒" }
{ "index": { } }
{ "item": "train 🚆" }
{ "index": { } }
{ "item": "bananas 🍌" }
{ "index": { } }
{ "item": "computer 💻" }
{ "index": { } }
{ "item": "apple 🍎" }
{ "index": { } }
{ "item": "framboises 🍓" }
{ "index": { } }
{ "item": "der Apfel 🍏" }
{ "index": { } }
{ "item": "tomato 🍅" }
{ "index": { } }
{ "item": "das Auto 🚗" }
{ "index": { } }
{ "item": "bicycle 🚲" }
{ "index": { } }
{ "item": "naranjas 🍊" }

请注意，在库存中我们保存了来自所有部门的商品，而且它们使用 English、 French、 German 和 Spanish。

在我们运行 POST inventory/_search 之后，应该可以以随机顺序看到所有商品。

但是，当我想吃一些水果时，在 Polish 中是 "owoce"（顺便说一下这是复数 BTW），那么我所需要的只是：

复制代码

POST inventory/_search
{
  "query": {
    "match": {
      "item": "owoce" // this stands for "fruit" in Polish
    }
  }
}

我们得到的返回结果如下：

复制代码

{
  "took": 251,
  "timed_out": false,
  "_shards": {
    "total": 3,
    "successful": 3,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 11,
      "relation": "eq"
    },
    "max_score": 0.6704586,
    "hits": [
      {
        "_index": "inventory",
        "_id": "8EtNK5sBRerpcHC7zVrq",
        "_score": 0.6704586,
        "_source": {
          "item": "cherries 🍒"
        }
      },
      {
        "_index": "inventory",
        "_id": "9EtNK5sBRerpcHC7zVrr",
        "_score": 0.6327668,
        "_source": {
          "item": "apple 🍎"
        }
      },
      {
        "_index": "inventory",
        "_id": "-ktNK5sBRerpcHC7zVrr",
        "_score": 0.61157316,
        "_source": {
          "item": "naranjas 🍊"
        }
      },
      {
        "_index": "inventory",
        "_id": "8ktNK5sBRerpcHC7zVrr",
        "_score": 0.6047706,
        "_source": {
          "item": "bananas 🍌"
        }
      },
      {
        "_index": "inventory",
        "_id": "9UtNK5sBRerpcHC7zVrr",
        "_score": 0.60331476,
        "_source": {
          "item": "framboises 🍓"
        }
      },
      {
        "_index": "inventory",
        "_id": "9ktNK5sBRerpcHC7zVrr",
        "_score": 0.5917518,
        "_source": {
          "item": "der Apfel 🍏"
        }
      },
      {
        "_index": "inventory",
        "_id": "90tNK5sBRerpcHC7zVrr",
        "_score": 0.5634274,
        "_source": {
          "item": "tomato 🍅"
        }
      },
      {
        "_index": "inventory",
        "_id": "-UtNK5sBRerpcHC7zVrr",
        "_score": 0.50522983,
        "_source": {
          "item": "bicycle 🚲"
        }
      },
      {
        "_index": "inventory",
        "_id": "80tNK5sBRerpcHC7zVrr",
        "_score": 0.5001138,
        "_source": {
          "item": "computer 💻"
        }
      },
      {
        "_index": "inventory",
        "_id": "-EtNK5sBRerpcHC7zVrr",
        "_score": 0.48864484,
        "_source": {
          "item": "das Auto 🚗"
        }
      }
    ]
  }
}

这告诉我们几件事情：

与几年前和早期版本相比，现在创建和运行语义搜索要简单得多；将 semantic_text 和运行在 EIS 中的 models 结合起来让事情变得非常容易：不需要安装模型，不需要担心容量规划，也不需要多次网络往返来获取 embeddings（无论是存储还是搜索），等等。
如果你有一个 multi-language 模型，那会非常有帮助，并且可以节省翻译工作。
我们知道 tomato 是一种水果，但也许我们不应该把它加到水果沙拉里 :slight_smile

今天就到这里。我祝你有一个健康的饮食和健康的集群 :slight_smile:

原文：https://discuss.elastic.co/t/dec-25th-2025-en-eat-something-healthier-at-x-mas/384137