OpenSearch:Memulai penyematan kata

Langkah 1: Konfigurasi informasi tabel dasar

Di panel kiri pada halaman detail instans, klik Table Management. Di halaman Table Management, klik Add Table.

Pada langkah Basic Table Information wizard Create, konfigurasikan parameter berikut, lalu klik Next.

Langkah 2: Tambahkan sumber data

Pada langkah Data Synchronization, tambahkan sumber data. Panduan ini menggunakan MaxCompute + API sebagai Sumber Data Penuh.

Konfigurasikan parameter Project, AccessKey, AccessKey Secret, Table, dan Partition Key. Atur Automatic Reindexing ke Yes atau No, lalu klik Check. Jika sumber data lolos validasi, klik Next.

Untuk jenis sumber data lainnya:

• MaxCompute: Buat tabel untuk sumber data MaxCompute

• API: Buat tabel untuk sumber data API

• OSS: Buat tabel untuk sumber data OSS

Langkah 3: Konfigurasi bidang

OpenSearch telah menetapkan bidang berdasarkan templat skenario. Saat Anda memilih Vector: Semantic Search for Text, empat bidang berikut telah ditetapkan:

Sebelum mengonfigurasi bidang, perhatikan batasan berikut untuk bidang vector_source_text:

Byte limit: Nilai bidang dibatasi hingga 128 byte. Jika melebihi 128 byte, hanya 128 byte pertama yang digunakan untuk prediksi vektor.

Batas token: Teks juga tunduk pada batas token internal. Setiap karakter Cina, kata bahasa Inggris, atau tanda baca dihitung sebagai satu token. Teks yang melebihi batas token dipotong menjadi N token pertama.

Delimiter: Bidang vektor bersifat multi-nilai, dengan nilai dipisahkan oleh delimiter HA3 (^], dikodekan sebagai \x1D dalam format UTF). Delimiter kustom juga diterima.

Pada langkah Field Configuration, konfigurasikan bidang sesuai aturan berikut:

• Bidang primary key (`id`): Wajib. Atur Tipe ke INT atau STRING dan pilih kolom Primary Key.

• Bidang vektor (`vector`): Wajib. Atur Tipe ke FLOAT dan pilih kolom Vector Field.

• Bidang `vector_source_text`: Pilih Require Embedding. OpenSearch akan secara otomatis mengonversi konten teksnya menjadi vektor sebelum pengindeksan.

• Field order for the vector index: Konfigurasikan bidang dalam urutan berikut: primary key → namespace (opsional) → bidang vektor.

• Bidang yang hilang atau kosong: Bidang numerik default ke 0; bidang STRING default ke string kosong. Default kustom didukung.

Pilih model vektorisasi untuk `vector_source_text`

Jika Anda tidak yakin model mana yang harus dipilih, mulailah dengan model garis dasar standar untuk bahasa konten Anda:

• Konten Cina: ops-text-embedding-000 (768 dimensi)

• Konten Inggris: ops-text-embedding-en-000 (768 dimensi)

Semua model yang tersedia:

Tipe Data tetap diatur ke text dan tidak dapat diubah.

Langkah 4: Konfigurasi skema indeks

Indeks vektor

OpenSearch secara otomatis membuat indeks untuk bidang primary key dan bidang vektor. Nama indeks sesuai dengan nama bidang. Konfigurasikan hanya indeks vektor di Konsol.

Bidang primary key dan bidang vektor wajib. Bidang namespace opsional. Jika versi mesin adalah vector_service_1.0.2 atau lebih lama, bidang namespace tidak boleh bertipe STRING. Jika versi mesin adalah vector_service_1.0.2 atau lebih baru, tidak ada batasan tipe bidang.

Untuk konfigurasi lanjutan, atur Vector Dimension ke 768 dan biarkan semua pengaturan lainnya tetap seperti semula.

Langkah 5: Konfirmasi pembuatan

Pada langkah Confirm, tinjau konfigurasi Anda dan klik Confirm.

Langkah 6: Verifikasi status build

Di panel kiri, klik Change History. Di tab Data Source Changes, lihat semua mesin keadaan hingga (FSM) yang terkait dengan proses pembuatan tabel, pembuatan indeks, dan pengindeksan ulang data penuh. Lanjutkan ke pengujian kueri setelah build mesin pencari selesai.

Langkah 7: Jalankan uji kueri

Jalankan kueri berbasis prediksi untuk memastikan instans berfungsi. Untuk sintaks kueri lengkap, lihat Prediction-based query dalam topik "Query data".

Contoh hasil:

{
    "totalCount": 5,
    "result": [
        {"id": 5, "score": 1.103209137916565},
        {"id": 3, "score": 1.1278988122940064},
        {"id": 2, "score": 1.1326735019683838}
    ],
    "totalTime": 242.615
}