快捷導(dǎo)航

向量數(shù)據(jù)庫之如何使用Elasticsearch實現(xiàn)向量數(shù)據(jù)存儲與搜索

更新時間：2023年06月02日 11:03:38 作者：馬超的博客

這篇文章主要介紹了向量數(shù)據(jù)庫之如何使用Elasticsearch實現(xiàn)向量數(shù)據(jù)存儲與搜索,在向量函數(shù)的計算過程中，會對所有匹配的文檔進(jìn)行線性掃描，因此，查詢預(yù)計時間會隨著匹配文檔的數(shù)量線性增長，本文給大家講解的非常詳細(xì)，需要的朋友參考下吧

向量數(shù)據(jù)庫：使用Elasticsearch實現(xiàn)向量數(shù)據(jù)存儲與搜索

一、簡介

Elasticsearch在7.x的版本中支持向量檢索。在向量函數(shù)的計算過程中，會對所有匹配的文檔進(jìn)行線性掃描。因此，查詢預(yù)計時間會隨著匹配文檔的數(shù)量線性增長。出于這個原因，建議使用查詢參數(shù)來限制匹配文檔的數(shù)量（類似二次查找的邏輯，先使用match query檢索到相關(guān)文檔，然后使用向量函數(shù)計算文檔相關(guān)度）。

訪問dense_vector的推薦方法是通過cosinessimilarity, dotProduct, 1norm或l2norm函數(shù)。但是需要注意，每個DSL腳本只能調(diào)用這些函數(shù)一次。例如，不要在循環(huán)中使用這些函數(shù)來計算文檔向量和多個其他向量之間的相似性。如果需要該功能，可以通過直接訪問向量值來重新實現(xiàn)這些函數(shù)。

二、實驗前準(zhǔn)備

2.1 創(chuàng)建索引設(shè)置向量字段

創(chuàng)建一個支持向量檢索的mapping，字段類型為dense_vector。

// 7.x 支持的 dims 最大為 1024。
PUT index3
{
  "mappings": {
    "properties": {
      "my_vector": {
        "type": "dense_vector",
        "dims": 3
      },
      "my_text" : {
        "type" : "keyword"
      }
    }
  }
}

2.2 寫入數(shù)據(jù)

PUT index3/_doc/1
{
  "my_text" : "text1",
  "my_vector" : [0.5, 10, 6]
}
PUT index3/_doc/2
{
  "my_text" : "text2",
  "my_vector" : [-0.5, 10, 10]
}

三、向量計算函數(shù)

3.1 余弦相似度：cosineSimilarity

cosinessimilarity函數(shù)計算給定查詢向量和文檔向量之間的余弦相似性度量。

POST index3/_search
{
  "query": {
    "script_score": {
      "query": {
        "match_all": {}
      },
      "script": {
        "source": "cosineSimilarity(params.queryVector, doc['my_vector'])+1.0",
        "params": {
          "queryVector": [-0.5, 10, 6]
        }
      }
    }
  }
}

要限制script_score計算的文檔數(shù)量，需要提供一個過濾器 (query)。
script腳本在cosineSimilarity上增加了1.0，以防止得分為負(fù)。
為了更好的利用DSL優(yōu)化器，可以使用參數(shù)的方式提供一個查詢向量。
檢查缺失值：如果文檔中沒有用于執(zhí)行向量函數(shù)的向量字段的值，會拋出錯誤。
可以使用doc['my_vector'].size() == 0來檢查文檔是否有my_vector字段的值。

腳本樣例:

"source": 
"
doc['my_vector'].size() == 0 ? 0 : 
cosineSimilarity(params.queryVector, 'my_vector')
"

如果文檔的dense_vector字段與查詢的向量維度不同，就會拋出異常。

3.2 計算點積：dotProduct

dotProduct函數(shù)計算給定查詢向量和文檔向量之間的點積度量。

POST index3/_search
{
  "query": {
    "script_score": {
      "query": {
        "match_all": {}
      },
      "script": {
        "source": """
        double value = dotProduct(params.queryVector,doc['my_vector']);
        return sigmoid(1, Math.E, -value);
        """,
        "params": {
          "queryVector": [
            -0.5,
            10,
            6
          ]
        }
      }
    }
  }
}

使用標(biāo)準(zhǔn)的sigmoid函數(shù)可以防止分?jǐn)?shù)為負(fù)。

3.3 曼哈頓距離：l1norm

l1norm函數(shù)計算給定查詢向量和文檔向量之間的L1距離(曼哈頓距離)。

POST index3/_search
{
  "query": {
    "script_score": {
      "query": {
        "match_all": {}
      },
      "script": {
        "source":"1 / (1 + l1norm(params.queryVector, doc['my_vector']))",
        "params": {
          "queryVector": [-0.5, 10, 6]
        }
      }
    }
  }
}

1.與表示相似性的余弦相似度不同，1norm和l2norm表示距離或差異。這意味著，向量越相似，由1norm和l2norm函數(shù)產(chǎn)生的分?jǐn)?shù)就越低。因此，當(dāng)我們需要相似的向量來獲得更高的分?jǐn)?shù)時，我們將1norm和l2norm的輸出反過來。另外，為了避免在文檔向量與查詢完全匹配時被除0，在分母中加了1。

3.4 歐幾里得距離：l2norm

l2norm函數(shù)計算給定查詢向量和文檔向量之間的L2距離(歐幾里德距離)。

POST index3/_search
{
  "query": {
    "script_score": {
      "query": {
        "match_all": {}
      },
      "script": {
        "source": "1 / (1 + l2norm(params.queryVector, doc['my_vector']))",
        "params": {
          "queryVector": [
            -0.5,
            10,
            6
          ]
        }
      }
    }
  }
}

3.5 自定義計算函數(shù)

使用函數(shù)訪問向量的值，自定義實現(xiàn)向量余弦相似度計算。ES 中向量檢索 doc[].vectorValue 函數(shù)是在 Elasticsearch 7.8.0 版本開始支持的，在ES 7.5.1 或 7.8.0 以下版本會運行失敗。

可以通過以下函數(shù)直接訪問向量值:

doc[<field>].vectorValue – 以浮點數(shù)數(shù)組的形式返回向量的值。
doc[<field>].magnitude – 將向量的大小作為浮點數(shù)返回（對于7.5版本之前創(chuàng)建的向量，其向量的大小不會被存儲）。所以這個函數(shù)每次被調(diào)用時都會進(jìn)行重新計算。

POST index3/_search
{
  "query": {
    "script_score": {
      "query": {
        "match_all": {}
      },
      "script": {
        "source": """
          float[] v = doc['my_vector'].vectorValue;
          float vm = doc['my_vector'].magnitude;
          float dotProduct = 0;
          for (int i = 0; i < v.length; i++) {
            dotProduct += v[i] * params.queryVector[i];
          }
          return dotProduct / (vm * (float) params.queryVectorMag);
        """,
        "params": {
          "queryVector": [
            -0.5,
            10,
            6
          ],
          "queryVectorMag": 5.25357
        }
      }
    }
  }
}

到此這篇關(guān)于向量數(shù)據(jù)庫之如何使用Elasticsearch實現(xiàn)向量數(shù)據(jù)存儲與搜索的文章就介紹到這了,更多相關(guān)Elasticsearch向量數(shù)據(jù)存儲與搜索內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: