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
Here’s the table of contents:
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。- 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
]
}
}
}
}
}使用標準的sigmoid函數(shù)可以防止分數(shù)為負。
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)生的分數(shù)就越低。因此，當(dāng)我們需要相似的向量來獲得更高的分數(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！
相關(guān)文章
這篇文章主要介紹了Java單鏈表的實現(xiàn)代碼的相關(guān)資料,非常不錯，具有參考借鑒價值，需要的朋友可以參考下2016-07-07
Java Comparable和Comparator對比詳解
這篇文章主要介紹了Java Comparable和Comparator對比詳解,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-11-11
Mockito mock Kotlin Object類方法報錯解決方法
這篇文章主要介紹了Mockito mock Kotlin Object類方法報錯解決方法,本篇文章通過簡要的案例,講解了該項技術(shù)的了解與使用,以下就是詳細內(nèi)容,需要的朋友可以參考下2021-09-09
這篇文章主要介紹了詳解SpringBoot時間參數(shù)處理完整解決方案，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-12-12
通過jenkins發(fā)布java項目到目標主機上的詳細步驟
這篇文章主要介紹了通過jenkins發(fā)布java項目到目標主機上的詳細步驟,發(fā)布java項目的步驟很簡單，通過拉取代碼并打包，備份目標服務(wù)器上已有的要發(fā)布項目，具體內(nèi)容詳情跟隨小編一起看看吧2021-10-10
Java-Redis-Redisson分布式鎖的功能使用及實現(xiàn)
這篇文章主要介紹了Java-Redis-Redisson-分布式鎖的功能使用及實現(xiàn)，本文通過實例代碼給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2022-08-08
基于SpringBoot實現(xiàn)自定義插件的流程詳解
在SpringBoot中，插件是一種擴展機制，它可以幫助我們在應(yīng)用程序中快速地添加一些額外的功能，在本文中，我們將介紹如何使用 SpringBoot實現(xiàn)自定義插件,需要的朋友可以參考下2023-06-06
本篇文章給大家詳細分析了Java四種訪問控制修飾符的相關(guān)知識點，有興趣的朋友可以參考學(xué)習(xí)下。2018-03-03
Spring?Boot項目獲取resources目錄下文件并返回給前端的方案
我們在項目中經(jīng)常碰到需要讀取固定文件的場景,如模板文件,一般做法是將文件放在resources目錄下,程序通過多種方式可以順利讀取文件,這篇文章主要給大家介紹了關(guān)于Spring?Boot項目獲取resources目錄下文件并返回給前端的相關(guān)資料,需要的朋友可以參考下2024-07-07
這篇文章主要介紹了java程序常見異常及處理匯總,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2021-09-09