KNN - Amazon Elasticsearch Service
KNN 入门KNN 差异和调整
AWS 文档中描述的 AWS 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 AWS 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。

KNN

适用于 的 KNN 是其关联的 k 最近邻Amazon Elasticsearch Service算法的缩写，可让您搜索向量空间中的点，并通过 Euclidean 距离或余弦相似性查找这些点的“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。

具有 Euclidean 距离的 KNN 需要 Elasticsearch 7.1 或更高版本。余弦相似性需要 Elasticsearch 7.7 或更高版本。

Open Distro for Elasticsearch 文档Elasticsearch中提供了 功能的完整文档，包括设置和统计数据的描述。有关 k 最近邻算法的背景信息，请参阅 Wikipedia。

KNN 入门

要使用 KNN，您必须使用 index.knn 设置创建索引，然后添加一个或多个数据类型为 knn_vector 的字段。 

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，您将获得针对每个分区（和每个分段）的 k 个结果，而不是针对整个查询的 k 个结果。KNN 支持的最大 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
      }
    }
  }
}

KNN 差异和调整

Open Distro for Elasticsearch 可让您使用 API 修改所有 KNN 设置_cluster/settings。在 Amazon ES 上，您可以更改除 knn.memory.circuit_breaker.enabled 和 knn.circuit_breaker.triggered 之外的所有设置。 KNN 统计数据作为 Amazon CloudWatch 指标包含在内。

具体而言，请根据 KNNGraphMemoryUsage 统计数据和实例类型的可用 RAM 检查每个数据节点的 knn.memory.circuit_breaker.limit 指标。Amazon ES 使用实例的一半 RAM 作为 Java 堆（最大堆大小为 32 GiB）。默认情况下，KNN 使用最多 60% 的剩余一半，因此具有 32 GiB RAM 的实例类型可以容纳 9.6 GiB 个图表 （32 * 0.5 * 0.6）。如果图形内存使用量超过此值，性能可能会受到影响。