OpenSearch：排序外掛程式開發-Cava語言

Cava是OpenSearch引擎團隊基於llvm實現的一門高效的程式設計語言，它的文法和Java類似，效能與C++相當。Cava是一門物件導向的程式設計語言，支援即時編譯（jit），支援各種安全檢查保證程式更加健壯。使用Cava和OpenSearch提供的cava庫，在OpenSearch中可以定製自己的排序外掛程式，相比於OpenSearch支援的運算式，使用Cava實現排序外掛程式具有以下優點：

• 更強的定製能力：Cava提供了較運算式更加豐富的文法功能，比如for迴圈，函數定義，類定義等，使用者可以實現自己的業務需求

• 更易於維護：Cava實現的排序外掛程式比運算式更具有可讀性，更易於維護

• 更易於接受：Cava的文法和Java類似，熟悉Java的同學很容易使用Cava進行開發，學習成本較低

1. 建立策略：在“策略管理”頁點擊“建立”，“應用範圍”選擇“業務排序”，“類型”選擇“cava指令碼”：

2. 添加指令檔：添加指令檔，編輯cava指令碼；也可本地上傳指令檔，支援JSON格式檔案：

3. 編譯並發布指令碼：指令檔編輯完成後，點擊“編譯”可對所有指令檔進行編譯，並在下方展示編譯狀態；編譯通過後，點擊發布即可發布當前指令碼；指令碼發布後不可重新編輯

4. 查看排序效果：在搜尋測試中輸入設定參數second_rank_name=“策略名稱稱”，second_rank_type=cava_script

代碼中參數配置如下：（以Java為例）：

...
// 建立參數對象
SearchParams searchParams = new SearchParams(config);
...

//建立rank對象
Rank rank=new Rank();
//設定調用的CAVA指令碼
rank.setSecondRankName("cava指令碼名稱");
//設定排序類型 - CAVA 指令碼
rank.setSecondRankType(RankType.CAVA_SCRIPT);
//將排序策略加入到參數對象中
searchParams.setRank(rank);

1. 擷取向量分：

import com.aliyun.opensearch.cava.features.similarity.ProximaScore;

ProximaScore _proximaScoreVector;
_proximaScoreVector = ProximaScore.create(params, "{{indexes.vector_index}}"); //對應的向量索引名稱
float proximaScoreVector = _proximaScoreVector.evaluate(params);

• Cava外掛程式目前僅支援獨享型應用配置；

• Cava指令碼單檔案大小限制為10K，單個Cava排序策略最多可以建立5個指令檔，單個應用執行個體最多支援50個Cava排序策略；

• Cava指令碼發布後不可編輯，如需修改可在策略管理頁複製建立Cava指令碼類排序策略；

• SDK中配置的Cava指令碼必須是發行的，未發布的Cava指令碼僅支援在搜尋測試中測試。