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 OpenSearch Service 中搜索 k 最近邻 (k-NN)。
Amazon OpenSearch Service 的 k-NN 简称为其关联的 k 最近邻算法,允许您搜索矢量空间中的点,并通过欧氏距离或余弦相似性查找这些点的“最近邻域”。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。
注意
本文档介绍了 OpenSearch Service 与各种版本的 k-nn 插件之间的版本兼容性,以及将该插件与托管式 OpenSearch Service 一起使用时的限制。有关 k-nn 插件的全面文档,包括简单和复杂的示例、参数参考以及该插件的完整 API 参考,请参阅开源 OpenSearch 文档
使用下表查找在您的 Amazon OpenSearch Service 域中运行的 k-NN 插件版本。每个 k-NN 插件版本对应于 OpenSearch
OpenSearch 版本 | k-NN 插件版本 | 显著功能 |
---|---|---|
2.13 | 2.13.0.0 | |
2.1.1 | 2.11.0.0 |
添加对 k-NN 查询中 |
2.9 | 2.9.0.0 | 使用 Faiss |
2.7 | 2.7.0.0 | |
2.5 | 2.5.0.0 | 针对 k-NN 模型系统索引进行了扩展,SystemIndexPlugin 为核心 HybridFS 添加了特定于 Lucene 的文件扩展名 |
2.3 | 2.3.0.0 | |
1.3 | 1.3.0.0 | |
1.2 | 1.2.0.0 | 增加了对 Faiss |
1.1 | 1.1.0.0 | |
1.0 |
1.0.0.0 |
已重命名 REST API,同时支持向后兼容性,将命名空间重命名从 opendistro 到 opensearch |
Elasticsearch 版本 | k-NN 插件版本 | 显著功能 |
---|---|---|
7.1 |
1.3.0.0 |
欧氏距离 |
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 |
Hamming 距离、L1 Norm 距离、Painless 脚本 |
k-NN 入门
要使用 k-NN,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。k-NN 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 } } } }
如果您需要在保持最佳性能的同时处理大量查询,则可以使用 _msearch
GET _msearch { "index": "my-index"} { "query": { "knn": {"my_vector2":{"vector": [2, 3, 5, 6],"k":2 }} } } { "index": "my-index", "search_type": "dfs_query_then_fetch"} { "query": { "knn": {"my_vector1":{"vector": [2, 3],"k":2 }} } }
以下视频演示了如何为 K-NN 查询设置批量向量搜索。
k-NN 差异、调整和限制
OpenSearch 允许您使用 _cluster/settings
API 修改所有 k-NN 设置knn.memory.circuit_breaker.enabled
和 knn.circuit_breaker.triggered
之外的所有设置。k-NN 统计数据作为 Amazon CloudWatch 指标包括在内。
特别是,请检查每个数据节点上对应于 knn.memory.circuit_breaker.limit
统计数据的 KNNGraphMemoryUsage
指标和实例类型的可用 RAM。OpenSearch Service 将实例的一半内存用于 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。
如果索引使用的是近似 k-NN"index.knn": true
),您不能将 k-NN 索引迁移到 UltraWarm 或者冷存储。如果 index.knn
已设为 false
(准确 k-NN