怎么做网站邮箱,郑州市广告牌制作,租国外服务器一个月多少钱,建筑外观设计网站作者#xff1a;来自 Elastic Jeff Vestal, Jack Conradson 在 8.14 中#xff0c;Elastic 在 Elasticsearch 中引入了一项名为 “retrievers - 检索器” 的新搜索功能。继续阅读以了解它们的简单性和效率#xff0c;以及它们如何增强你的搜索操作。
检索器是 Elasticsearc…作者来自 Elastic Jeff Vestal, Jack Conradson 在 8.14 中Elastic 在 Elasticsearch 中引入了一项名为 “retrievers - 检索器” 的新搜索功能。继续阅读以了解它们的简单性和效率以及它们如何增强你的搜索操作。
检索器是 Elasticsearch 中搜索 API 中添加的新抽象层。它们提供了在单个 _search API 调用中配置多阶段检索管道的便利。此架构通过消除对复杂搜索查询的多个 Elasticsearch API 调用的需求简化了应用程序中的搜索逻辑。它还减少了对客户端逻辑的需求而客户端逻辑通常需要组合来自多个查询的结果。 检索器的初始类型
初始版本中包含三种类型的检索器。每种检索器都针对特定目的而设计组合起来后它们可实现复杂的搜索操作。
可用的类型包括
standard- 返回传统查询中的顶级文档。这些类型通过支持现有的查询 DSL 请求语法实现向后兼容让你可以按照自己的节奏迁移到检索器框架。kNN - 返回 kNN 搜索中的顶级文档。RRF - 使用倒数融合算法将多个第一阶段检索器组合并排名为单个结果集无需或只需极少的用户调整。RRF 检索器是一种复合检索器其过滤元素会传播到其子检索器。 检索器有何不同它们为何有用
对于传统查询查询是整体搜索 API 调用的一部分。检索器的不同之处在于它们被设计为独立实体可以单独使用或轻松组合使用。这种模块化方法在设计搜索策略时提供了更大的灵活性。
检索器被设计为 “retriever tree - 检索器树” 的一部分这是一种层次结构通过阐明搜索操作的顺序和逻辑来定义搜索操作。这种结构使复杂的搜索更易于管理更易于开发人员理解并允许在将来轻松添加新功能。
检索器支持可组合性允许你构建管道并集成不同的检索策略。这允许轻松测试不同的检索组合。它们还提供对文档评分和筛选方式的更多控制。例如你可以指定最低分数阈值应用复杂的过滤器而不影响评分并使用诸如 terminate_after 之类的参数进行性能优化。
与传统查询元素保持向后兼容性自动将它们转换为适当的检索器。 检索器使用示例
让我们看一些使用检索器的示例。我们使用 IMDB 示例数据集。
你可以运行随附的 jupyter 笔记本将 IMDB 数据导入无服务器搜索项目并自行运行以下示例
高层次设置是
overview - 电影的简短摘要names - 电影的名称overview_dense - 从 e5-small 模型生成的 dense_vectoroverview_sparse - 使用 Elastic 的 ELSER 模型的稀疏向量。仅使用 fields 并设置 _source:false 返回 names 和 overview 的文本版本 Standard - 搜索所有文本
GET /imdb_movies/_search?pretty
{retriever: {standard: {query: {term: {overview: clueless}}}},size: 3,fields: [names,overview],_source: false
} kNN - 搜索所有密集向量
GET /imdb_movies/_search?pretty
{retriever: {knn: {field: overview_dense,query_vector_builder: {text_embedding: {model_id: .multilingual-e5-small_linux-x86_64,model_text: clueless slackers}},k: 5,num_candidates: 5}},size: 3,fields: [names,overview],_source: false
} text_expansion - 搜索所有稀疏向量
GET /imdb_movies/_search?pretty
{retriever: {standard: {query: {text_expansion: {overview_sparse: {model_id: .elser_model_2_linux-x86_64,model_text: clueless slackers}}}}},size: 3,fields: [names,overview],_source: false
} rrf - 将所有事物结合起来
GET /imdb_movies/_search?pretty
{retriever: {rrf: {retrievers: [{standard: {query: {term: {overview: clueless slackers}}}},{knn: {field: overview_dense,query_vector_builder: {text_embedding: {model_id: .multilingual-e5-small_linux-x86_64,model_text: clueless slackers}},k: 5,num_candidates: 5}},{standard: {query: {text_expansion: {overview_sparse: {model_id: .elser_model_2_linux-x86_64,model_text: clueless slackers}}}}}],rank_window_size: 5,rank_constant: 1}},size: 3,fields: [names,overview],_source: false
} 检索器的当前限制
检索器带有某些限制用户应注意。例如使用复合检索器时只允许查询元素element。这强制更清晰地分离关注点并防止过度嵌套或独立配置带来的复杂性。此外子检索器不得使用限制将复合检索器作为检索器树一部分的元素。
即使使用复杂的检索策略这些限制也能提高性能和可组合性。
检索器最初作为技术预览版发布因此其 API 可能会发生变化 结论
检索器代表了 Elasticsearch 检索功能和用户友好性向前迈出的重要一步。它们可以以管道方式链接起来每个检索器应用其逻辑并将结果传递给链中的下一个项目。通过允许更结构化、更灵活和更高效的搜索操作检索器可以显著增强搜索体验。
以下资源提供了有关检索器的更多详细信息。
使用检索器在 Elasticsearch 中进行语义重新排名检索器 API 文档检索器 - 搜索你的数据文档
亲自尝试上述代码你可以运行随附的 jupyter 笔记本将 IMDB 数据导入 Elastic Serverless Search 项目
准备好自己尝试一下了吗开始免费试用。 想要获得 Elastic 认证吗了解下一次 Elasticsearch 工程师培训何时开始 原文Elasticsearch retrievers - How to use search retrievers in Elasticsearch — Elastic Search Labs
