MaxCompute：安裝Proxima CE包

前提條件

請確保已完成環境準備。

擷取Proxima CE安裝包

請單擊Proxima CE包下載安裝包。

Proxima CE安裝包主要包含Proxima CE可執行JAR包，您能夠以添加MaxCompute資源的方式將其上傳到MaxCompute Project，然後調用可執行JAR包運行Proxima CE任務。

將安裝包上傳為MaxCompute資源

您可以通過MaxCompute用戶端（odpscmd）或者DataWorks將上述已下載的安裝包上傳至MaxCompute Project。本文以DataWorks為例為您介紹如何上傳並發布資源。odpscmd上傳資源的方式可以參考添加資源。

1. 在DataWorks的資料開發頁面，通過可視化方式將安裝包上傳為JAR資源。

   說明

   通過DataWorks可視化方式建立或上傳的資源：

   • 若資源未在MaxCompute（ODPS）用戶端上傳過，則需勾選上傳為ODPS資源，若資源已上傳至MaxCompute（ODPS）用戶端，則需取消勾選上傳為ODPS資源，否則上傳均會報錯。

   • 若上傳時勾選了上傳為ODPS資源，則上傳後在DataWorks和MaxCompute中均會儲存該資源。後續若通過命令列刪除MaxCompute中的資源，DataWorks中的資源仍然存在且正常顯示。

   • 資源名稱無需與上傳的檔案名稱保持一致。

   

2. 提交並發布資源。

   資源建立完成後，您需在資源編輯頁面，單擊工具列中的表徵圖，提交資源至調度程式開發伺服器端。

   說明

   若生產任務需使用該資源，則還需將該資源發布至生產環境。詳情請參見發布任務。

準備輸入表

在運行之前，您需要準備如下兩個輸入表：

• doc表：底庫資料表。

• query表：使用者查詢表。

建表命令

--建立doc表
CREATE TABLE doc_table_float_smoke(pk STRING,vector STRING <,category BIGINT>) PARTITIONED BY (pt STRING);

--建立query表
CREATE TABLE query_table_float_smoke(pk STRING,vector STRING <,category BIGINT>) PARTITIONED BY (pt STRING);

輸入表格式要求

• 表名

  • 輸入表的表名不能包含tmp_字串，否則會導致任務運行失敗。

  • 輸入表的表名和分區值的字元長度不能超過64，否則會導致任務運行失敗。

• 欄位

  說明

  輸入表中需包含下述固定欄位，且欄位名稱必須完全一致。

  固定欄位	欄位說明	欄位資料類型
  pk	查詢時的pk值欄位（主鍵）。	預設為STRING類型。 對於pk列：其具體的值可以是數值或者字串（比如：字串類型1.nid,2.nid,3.nid,...或INT64數實值型別123,456,789,...）。 對於pk列：如果存的都是INT64數值，列的類型可以指定為BIGINT類型，同時若指定啟動參數-pk_type為INT64，則能夠提升效能。
  vector	向量欄位。	預設為STRING類型。
  category	多類目的類目欄位。 僅多類目檢索時需要此欄位。	預設為BIGINT類型。
  pt	分區欄位。	預設為STRING類型。

輸入表示例

• doc表

  pk	vector	pt
  id1	0~1~1~5	20190322
  id2	0~1~1~2	20190322
  id3	3~2~1~1	20190322
  ...	...	...

• query表

  pk	vector	pt
  id8	0~1~1~5	20190322
  id9	0~1~1~2	20190322
  id10	3~2~1~1	20190322
  ...	...	...

下一步：使用向量檢索功能

使用向量檢索後會自動產生一張輸出表，儲存在MaxCompute表中，您無需建立，在運行Proxima CE代碼的-output_table參數後面指定表名即可使用。產生的輸出表格式請參考下文的輸出表格式說明。

輸出表格式說明

運行向量檢索後會自動產生一張輸出表，並儲存在MaxCompute表中，產生的輸出表格式如下。

• 表名：即您在運行Proxima CE的代碼中所指定的輸出表的表名。

  • 輸出表的表名不能使用半形點號.，其為MaxCompute的特殊字元，會導致MaxCompute表解析失敗。

  • 輸出表的表名不能包含tmp_字串，會導致任務運行失敗。

  • 輸出表名和分區名的字元長度不能超過64，否則會導致任務運行失敗。

• 欄位

  固定欄位	欄位說明	欄位的資料類型
  pk	query表中每個query對應的pk值。	預設為STRING類型。 pk列的具體值可以是數值或者字串（比如字串類型1.nid,2.nid,3.nid,...或INT64數實值型別123,456,789,...）。 如果pk列儲存的均為INT64數值，可以將列類型指定為BIGINT類型，同時若指定啟動參數-pk_type為INT64，可提升效能。
  knn_result	query召回對應的doc表中的pk值。	預設為STRING類型。
  score	召回的doc對應的相似性分數。	預設為STRING類型。Proxima CE中統一按照相似性大小降序排序。 說明 分數對於inner_product/mips_squared_euclidean兩種距離演算法在Proxima2核心裡是距離越大越相似，其他距離演算法是距離越小越相似，但Proxima CE中進行了統一處理，按照相似性大小降序排序，即： 對於inner_product/mips_squared_euclidean距離，按照score值降序排序； 對於其他距離，按照score值升序排序，與Proxima2核心保持一致。
  category	多類目的類目欄位。 僅多類目檢索時需要此欄位。	預設為BIGINT類型。
  pt	分區欄位。	預設為STRING類型。

輸出表示例