OpenSearch:クイックスタート：テキストベクトル検索

インスタンスの購入

インスタンスを購入するには、「OpenSearch Vector Search Edition インスタンスの購入」をご参照ください。

クラスターの構成

インスタンス一覧ページで、新しく購入したインスタンスのステータスは 構成待ち です。**[操作]** 列で **[構成]** をクリックしてインスタンス詳細ページに移動します。次の手順に従ってクラスターを構成してください：基本テーブル情報 > データ同期 > フィールド設定 > インデックススキーマ > 作成の確認。インデックスの再作成が完了すると、検索を開始できます。

1. 基本テーブル情報

[テーブル管理] → [テーブルの追加] に移動し、基本テーブル情報 ページを開きます。テーブル名 を入力し、データシャード数 および データ更新リソース の数を設定します。シナリオテンプレート では、Vector: Text Semantic Search-Dense Vector Retrieval を選択します。設定を確認したら、[次へ] をクリックします。

構成に関する注意事項：

• テーブル名：任意の名前を指定できます。

• データシャード数：256 以下の正の整数を入力します。シャーディングにより、フルインデックス作成速度と単一クエリのパフォーマンスが向上します。一部の既存のインスタンスでは、すべてのテーブルでデータシャード数を同じにする必要があります。または、1 つのテーブルのみをシャード数 1 に設定し、他のすべてのテーブルで同一のシャード数を使用することも可能です。

• データ更新リソース：データ更新に使用するリソース数です。デフォルトでは、各インデックスに 4 vCPU および 8 GB メモリを備えた無料の更新リソースが 2 つ提供されます。無料クォータを超えるリソースは課金対象となります。詳細については、「」または「OpenSearch Vector Search Edition の課金 (国際版)」をご参照ください。

• シナリオテンプレート：OpenSearch Vector Search Edition には、General、Vector - Image Search、Vector - Text Semantic Template の 3 種類の組み込みテンプレートが用意されています。

2. データ同期

フルデータソース を選択します。サポートされているデータソースには、MaxCompute + API、Object Storage Service (OSS) + API、OpenLake-DLF ベクトルデータを Alibaba Cloud OpenSearch に同期、および API データソース があります。本トピックでは MaxCompute + API を例として使用します。AccessKey、AccessKey Secret、Project、Table、および Partition を構成します。必要に応じて 自動インデックス再作成 を有効化します。構成後、**[データソースの検証]** セクションで [検証] をクリックします。検証が成功した場合のみ、次のステップに進むことができます。

3. フィールド設定

OpenSearch Vector Search Edition は、選択したシナリオテンプレートに基づいてフィールドを事前設定し、フルデータソースからフィールドリストに自動的にフィールドをインポートします。必要に応じて、手動でフィールドを追加することもできます。

テキスト意味検索テンプレートの事前設定フィールド：

• id (プライマリキー)

• source_text (ソーステキスト)

• namespace (名前空間)

• source_text_vector (ベクトル化対象のテキストフィールド)

フィールド設定に関する注意事項：

• プライマリキーフィールドおよびベクトルフィールドは必須です。プライマリキーは INT または STRING 型で、プライマリキー オプションを選択する必要があります。ベクトルフィールドは FLOAT 型で、ベクトルフィールド オプションを選択する必要があります。

• デフォルトでは、ベクトルフィールドはカンマ区切りの複数値を持つ FLOAT 型です。カスタムの複数値区切り文字を指定することもできます。

• テキストベクトル化が必要なフィールドについては、埋め込みフィールド オプションを選択します。

• ベクトル検索用のフィールドは、次の順序で定義します：プライマリキーフィールド、名前空間フィールド (省略可)、ベクトルフィールド。

• データ前処理設定では、source_text フィールドの前処理を構成できます。

source_text データ前処理の設定項目：

• 前処理テンプレート：システムは、選択したシナリオテンプレートに基づいて利用可能なテンプレートを表示します。Text Semantic Search-Dense Vector Retrieval テンプレートを選択したため、利用可能な前処理テンプレートのオプションは Dense Vectorization および Dense + Sparse Vectorization です。

• サービスリスト：前処理テンプレートを選択すると、そのテンプレートに対応する サービスリスト が自動的に表示されます。

• モデル：

  • テキストベクトル化サービスには、組み込み および AI Platform の 2 種類のモデルがあります。組み込みモデルは無料で使用できます。AI Search Open Platform の AI Platform モデルは有料サービスであり、その料金は OpenSearch Vector Search Edition とは別に請求されます。課金の詳細については、「課金方法および課金項目」をご参照ください。

  • AI Search Open Platform のモデルを使用するには、まず AI Search Open Platform のワークスペースおよび API キーを作成する必要があります。

• 生成フィールド：

  • 埋め込みを伴うサービスの場合、生成フィールドはデフォルトで作成され、選択解除または削除することはできません。

• API 呼び出し構成：AI Search Open Platform のモデルサービスを使用しているため、サービス API 呼び出しを構成する必要があります。**[API 呼び出し構成]** セクションで **[構成]** をクリックします。表示される構成ページで、ワークスペース、API キー、および エンドポイント を設定します。これらの設定は、テーブルごとに 1 回だけ行う必要があります。

4. インデックススキーマ

OpenSearch は、プライマリキーフィールドおよびベクトルフィールドに対して自動的にインデックスを構築します。インデックス名はフィールド名と同じになります。コンソールでベクトルインデックスを構成するだけで済みます。

ベクトルディメンション（この例では 768）、距離タイプ（例：SquaredEuclidean）、ベクトルインデックスアルゴリズム（例：Qc）、および リアルタイムインデックス（例：true）を設定します。

必要に応じて 詳細設定 を構成します。詳細については、「一般的なベクトルインデックス構成」をご参照ください。

5. 作成の確認

[作成の確認] をクリックしてテーブルを作成します。左側のナビゲーションウィンドウで、ログレコード > 変更履歴 に移動し、テーブル作成の進捗を確認します。ステータスが「完了」に変わると、クエリテストを実行できます。

確認後、システムは自動的にインデックスの構築を開始します。このプロセスには約 2 分かかります。完了すると、インデックスは現在のインスタンスで自動的に有効になります。

6. クエリテスト

左側のナビゲーションウィンドウで、ベクトル管理 > クエリテスト に移動します。クエリテストページでは、フォームモード および 開発者モード の両方がサポートされています。

6.1 フォームモード

フォームモード および テーブル名 を選択します。クエリタイプ では、Vector または Text を選択できます。この例では Text タイプを使用します。テキスト フィールドにクエリ内容を入力し、[検索] をクリックします。結果は 検索結果 セクションに表示されます。

6.2 開発者モード

開発者モード および テーブル名 を選択します。下の 検索ボックス にクエリパラメーターを入力します。[検索] をクリックすると、右側の 結果 ペインに検索結果が表示されます。

クエリ構文の詳細については、以下の構文リファレンスをご参照ください。

構文リファレンス

• テキスト予測クエリ

• プライマリキークエリ

• フィルター式

SDK を使ったベクトル検索

• データのクエリ（SDK を使用したベクトルおよびプライマリキークエリ）

• データの更新（SDK を使用したレコードの追加または削除）