OpenSearch:Inicio rápido: Búsqueda vectorial de texto

Adquirir una instancia

Para adquirir una instancia, consulte Purchase an OpenSearch Vector Search Edition instance.

Configurar el clúster

En la página de lista de instancias, el estado de una instancia recién adquirida es Pending Configuration. En la columna Actions, haga clic en Configure para ir a la página de detalles de la instancia. Configure el clúster mediante los siguientes pasos: Basic Table Information > Data Synchronization > Field Configuration > Index Schema > Confirm Creation. Una vez reconstruido el índice, podrá comenzar a buscar.

1. Información básica de la tabla

Vaya a Table Management → Add Table para abrir la página Basic Table Information. Introduzca un Table name, establezca el número de data shards y los data update resources. En Scenario template, seleccione Vector: Text Semantic Search-Dense Vector Retrieval. Después de confirmar la configuración, haga clic en Next.

Notas sobre la configuración:

• Table name: Especifique un nombre personalizado.

• Data shards: Introduzca un entero positivo de hasta 256. La fragmentación mejora la velocidad de indexación completa y el rendimiento de consultas individuales. En algunas instancias existentes, asegúrese de que todas las tablas tengan el mismo número de data shards. Como alternativa, una tabla puede tener un solo data shard, mientras que las demás deben tener un número idéntico de shards.

• Data update resources: Cantidad de recursos utilizados para actualizaciones de datos. De forma predeterminada, cada índice proporciona dos recursos de actualización gratuitos, cada uno con 4 vCPU y 8 GB de memoria. Los recursos que excedan la cuota gratuita se facturan por separado. Para más información, consulte o Billing of OpenSearch Vector Search Edition (International).

• Scenario template: OpenSearch Vector Search Edition ofrece tres plantillas integradas: General, Vector - Image Search y Vector - Text Semantic Template.

2. Sincronización de datos

Seleccione un Full data source. Los orígenes de datos compatibles incluyen MaxCompute + API, Object Storage Service (OSS) + API, Synchronize OpenLake-DLF vector data to Alibaba Cloud OpenSearch y API data source. Este tema utiliza MaxCompute + API como ejemplo. Configure su AccessKey, AccessKey secret, Project, Table y Partition. Habilite Automatic reindexing si es necesario. Después de configurar, haga clic en Validate en la sección Data Source Validation. Solo podrá continuar si la validación es exitosa.

3. Configuración de campos

OpenSearch Vector Search Edition rellena previamente los campos según la plantilla de escenario seleccionada e importa automáticamente los campos del origen de datos completo a la lista de campos. También puede agregar campos manualmente según sea necesario.

Campos predefinidos para la plantilla de búsqueda semántica de texto:

• id (clave principal)

• source_text (texto de origen)

• namespace (namespace)

• source_text_vector (campo de texto que se vectorizará)

Notas sobre la configuración de campos:

• Se requieren un campo de clave principal y un campo vectorial. La clave principal debe ser de tipo INT o STRING con la opción Primary key seleccionada. El campo vectorial debe ser de tipo FLOAT con la opción Vector field seleccionada.

• De forma predeterminada, el campo vectorial es de tipo FLOAT multivalor cuyos valores están separados por comas. También puede especificar un separador multivalor personalizado.

• Para los campos que requieren vectorización de texto, seleccione la opción Embedding field.

• Defina los campos para la búsqueda vectorial en el siguiente orden: campo de clave principal, campo namespace (opcional) y campo vectorial.

• En la configuración de preprocesamiento de datos, configure el preprocesamiento para el campo source_text.

**Configuración del preprocesamiento de datos de source_text:**

• Preprocessing template: El sistema muestra las plantillas disponibles según la plantilla de escenario seleccionada. Dado que eligió la plantilla Text Semantic Search-Dense Vector Retrieval, las opciones de plantilla de preprocesamiento disponibles son Dense Vectorization y Dense + Sparse Vectorization.

• Service list: Al seleccionar una plantilla de preprocesamiento, la Service list correspondiente aparece automáticamente.

• Model:

  • El servicio de vectorización de texto ofrece dos tipos de modelos: Built-in y AI Platform. Los modelos integrados son gratuitos. Los modelos de AI Platform de la AI Search Open Platform son un servicio de pago y sus cargos se facturan por separado de OpenSearch Vector Search Edition. Para obtener detalles sobre la facturación, consulte Billing methods and billable items.

  • Para utilizar un modelo de la AI Search Open Platform, primero debe crear un espacio de trabajo en la AI Search Open Platform y una clave de API.

• Generated field:

  • En los servicios que involucran embedding, el campo generado se crea de forma predeterminada y no se puede deseleccionar ni eliminar.

  • API call configuration: Dado que utiliza un servicio de modelos de la AI Search Open Platform, debe configurar la llamada a la API del servicio. Haga clic en Configure en la sección API Call Configuration. En la página de configuración que aparece, establezca el Workspace, la API key y el Endpoint. Estos ajustes solo necesitan configurarse una vez por tabla.

  4. Esquema de índices

  OpenSearch construye automáticamente índices en los campos de clave principal y vectoriales. Los nombres de los índices coinciden con los nombres de los campos. Solo necesita configurar el índice vectorial en la consola.

  Establezca la Vector dimension (768 en este ejemplo), el Distance type (por ejemplo, SquaredEuclidean), el Vector index algorithm (por ejemplo, Qc) y el Real-time index (por ejemplo, true).

  Configure los ajustes de Advanced configuration según sea necesario. Para más información, consulte General vector index configurations.

  Nota

  • Los campos de clave principal y vectorial son obligatorios. El campo namespace es opcional y puede dejarse vacío.

  • Campo namespace: Si la versión del motor de la instancia es vector service 1.0.2 o anterior, el campo namespace no admite el tipo STRING. Esta limitación no aplica a versiones posteriores.

  5. Confirmar creación

  Haga clic en Confirm Creation para crear la tabla. En el panel de navegación izquierdo, vaya a Log records > Change history para ver el progreso de creación de la tabla. Cuando el estado cambie a Completed, podrá ejecutar una prueba de consulta.

  Tras la confirmación, el sistema comienza automáticamente a construir el índice. Este proceso tarda aproximadamente 2 minutos. Una vez finalizado, el índice se habilita automáticamente en la instancia actual.

  6. Prueba de consulta

  En el panel de navegación izquierdo, vaya a Vector management > Query test. La página de prueba de consulta admite tanto el form mode como el developer mode.

  6.1 Form mode

  Seleccione Form mode y un Table name. En Query type, elija Vector o Text. Este ejemplo utiliza el tipo Text. Introduzca el contenido de su consulta en el campo Text y haga clic en Search. Los resultados se muestran en la sección Search result.

  6.2 Developer mode

  Seleccione Developer mode y un Table name. Introduzca los parámetros de consulta en el search box que aparece a continuación. Haga clic en Search para ver los resultados de búsqueda en el panel Results a la derecha.

  Para obtener información detallada sobre la sintaxis de consulta, consulte la referencia de sintaxis a continuación.

  Referencia de sintaxis

  • Text prediction query

  • Primary key query

  • Filter expression

  Búsqueda vectorial con un SDK

  • Query data (Ejecutar consultas vectoriales y de clave principal mediante un SDK)

  • Update data (Agregar o eliminar registros mediante un SDK)