在 Amazon Elasticsearch Service 中搜索 K 最近邻 (k-NN) - Amazon Elasticsearch Service
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 Amazon Web Services 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

在 Amazon Elasticsearch Service 中搜索 K 最近邻 (k-NN)

其关联的简称k-search算法,Amazon EAmazon Elasticsearch Service (Amazon ES) 的 K-nn 允许您搜索矢量空间中的点,并通过欧氏距离或余弦相似度查找这些点的 “最近邻”。使用案例包括推荐(例如,音乐应用程序中的“您可能喜欢的其他歌曲”功能)、图像识别和欺诈检测。

使用下表查找在您的 Amazon Elasticsearch Service 域中运行的 K-nn 插件的版本。每个 K-nn 插件版本对应于Open Distro 适用于 Elasticsearch 版本

Elasticsearch k-NN 插件版本 显著功能
7.1

1.3.0.0

欧几里德距离
7.4

1.4.0.0

7.7

1.8.0.0

余弦相似性
7.8

1.9.0.0

7.9

1.11.0.0

热身 API,自定义评分
7.10 1.13.0.0 汉明距离,L1 标准距离,无痛脚本

k-NN 插件的完整文档可以在Open Distro to Elasticsearch 文档。有关 k 最近邻算法的背景信息,请参阅 Wikipedia

k-NN 入门

要使用 k-NN,您必须使用index.knn设置,然后添加knn_vector数据类型。

PUT my-index { "settings": { "index.knn": true }, "mappings": { "properties": { "my_vector1": { "type": "knn_vector", "dimension": 2 }, "my_vector2": { "type": "knn_vector", "dimension": 4 } } } }

knn_vector 数据类型支持最多 10,000 个浮点数的单个列表,浮点数的数量由所需的 dimension 参数定义。创建索引后,向其中添加一些数据。

POST _bulk { "index": { "_index": "my-index", "_id": "1" } } { "my_vector1": [1.5, 2.5], "price": 12.2 } { "index": { "_index": "my-index", "_id": "2" } } { "my_vector1": [2.5, 3.5], "price": 7.1 } { "index": { "_index": "my-index", "_id": "3" } } { "my_vector1": [3.5, 4.5], "price": 12.9 } { "index": { "_index": "my-index", "_id": "4" } } { "my_vector1": [5.5, 6.5], "price": 1.2 } { "index": { "_index": "my-index", "_id": "5" } } { "my_vector1": [4.5, 5.5], "price": 3.7 } { "index": { "_index": "my-index", "_id": "6" } } { "my_vector2": [1.5, 5.5, 4.5, 6.4], "price": 10.3 } { "index": { "_index": "my-index", "_id": "7" } } { "my_vector2": [2.5, 3.5, 5.6, 6.7], "price": 5.5 } { "index": { "_index": "my-index", "_id": "8" } } { "my_vector2": [4.5, 5.5, 6.7, 3.7], "price": 4.4 } { "index": { "_index": "my-index", "_id": "9" } } { "my_vector2": [1.5, 5.5, 4.5, 6.4], "price": 8.9 }

然后,您可以使用 knn 查询类型搜索数据。

GET my-index/_search { "size": 2, "query": { "knn": { "my_vector2": { "vector": [2, 3, 5, 6], "k": 2 } } } }

在这种情况下,k 是您希望查询返回的邻居数,但您还必须包含 size 选项。否则,您将获得k针对每个分区(和每个分段)的个结果,而不是k结果。knn 支持最大k值为 10,000。

如果将 knn 查询与其他子句混合,则收到的结果数可能少于 k 个。在此示例中,post_filter 子句将结果数从 2 减少到 1。

GET my-index/_search { "size": 2, "query": { "knn": { "my_vector2": { "vector": [2, 3, 5, 6], "k": 2 } } }, "post_filter": { "range": { "price": { "gte": 6, "lte": 10 } } } }

k-NN 差异和优化

Open Distro to Elasticsearch 可以让您修改所有k-NN 设置使用_cluster/settingsAPI。在 Amazon ES 上,您可以更改除knn.memory.circuit_breaker.enabledknn.circuit_breaker.triggered。k-NN 统计数据包括在Amazon CloudWatch 指标

特别是,请检查KNNGraphMemoryUsage衡量指标对应的knn.memory.circuit_breaker.limit统计信息和实例类型的可用 RAM。Amazon ES 将实例的 RAM 的一半用于 Java 堆(最大堆大小为 32 GiB)。默认情况下,k-NN 使用最多 50% 的剩余一半,因此具有 32 GiB RAM 的实例类型可以容纳 8 GiB 的图形 (32 * 0.5 * 0.5)。如果图形内存使用量超过此值,性能可能会受到影响。