本文將介紹企業在沒有向量資料的情況下，如何通過OpenSearch向量檢索版，快速搭建Image Search服務。
使用者可以直接匯入圖片來源資料，在OpenSearch內部便捷完成圖片向量化、向量搜尋等步驟，實現以圖搜圖、以文搜圖等多種映像檢索能力。
方案架構
使用者可以通過3種不同的方式上傳圖片進行圖搜引擎的搭建：
OSS+MaxCompute+OpenSearch向量檢索版：使用者先將圖片上傳至OSS中，在MaxCompute中儲存業務表資料以及每條資料對應的圖片地址（OSS裡的路徑，比如/image/1.jpg）
MaxCompute+OpenSearch向量檢索版：使用者將圖片通過base64編碼後的圖片及其表資料存放區在MaxCompute中
API+OpenSearch向量檢索版：使用者通過OpenSearch向量檢索版給出的資料推送介面，將base64編碼後的圖片及其表資料推送到OpenSearch向量檢索版執行個體中
本文示範的是OSS+MaxCompute+OpenSearch向量檢索版搭建圖搜引擎。
環境準備
1、建立AK和SK
第一次開通阿里雲帳號並登入控制台時，會提示先建立access key才能繼續使用。
建立及使用應用依賴access key參數，主帳號下access key參數不可為空。
在為主帳號建立access key參數後，還可以再建立RAM子帳號access key通過RAM子帳號進行訪問，RAM子帳號賦予對應存取權限，請參考RAM（子帳號）的建立及授權。
2、建立Object Storage Service
添加opensearch標籤：（key-value 值均為opensearch）
本文在OSS中上傳了1000張圖片：
部分圖片類型如下：
購買OpenSearch向量檢索版執行個體
購買執行個體可參考購買OpenSearch向量檢索版執行個體。
配置執行個體
新購買的執行個體，其狀態為“待配置”，之後需要為該執行個體配置一張表，之後才可正常搜尋。
填寫表基礎資訊，點擊下一步：
配置說明：
表名稱：可自訂
資料分區數：分區數設定時，請填寫不超過256的正整數， 用於提升全量構建速度、單次查詢效能。（部分存量執行個體，仍需各索引表分區數保持一致；或至少一個索引表分區數為1，其餘索引表分區數一致）
資料更新資源數：資料更新所用資源數，每個索引預設免費提供2個4核8G的更新資源，超出免費額度的資源將產生費用，詳情可參考向量檢索版國際站計費文檔
情境模板：選擇“向量：圖片搜尋”
資料處理：選擇“需將未經處理資料轉為向量資料”
資料同步，配置資料來源，校正通過後，點擊下一步：
配置參數說明：
資料來源類型：選擇MaxCompute
Project：訪問的目標MaxCompute專案名稱
accesskeyId：阿里雲帳號或RAM使用者的AccessKey ID
accesskeySecret：AccessKey ID對應的AccessKey Secret
Table：訪問的目標MaxCompute 表名
分組鍵partition：MaxCompute資料來源必須設定分區鍵; 樣本：ds=20170626
時間戳記：如果有API的增量資料，該配置表示回追多久的增量資料，系統預設最大能回追3天的API增量資料
自動索引重建：是否開啟自動索引重建任務，如果開啟，則將在識別到當前資料來源的變更時，自動對引用該資料來源的索引表進行索引重建；
開啟自動索引重建，則必須建立done表，建立方式可參考自動索引重建
欄位配置，配置完成後，點擊下一步：
此處需要選擇主鍵、向量欄位、需embedding欄位。
圖片儲存於OSS
模板選擇“向量：圖片搜尋”模板後，系統預設產生4個預置欄位id（主鍵）、cate_id（類目欄位）、vector（向量欄位）、vector_source_image（儲存圖片路徑的欄位），使用者選擇MaxCompute資料來源後，從資料來源同步的欄位，展示在預置欄位下方。
3.1.配置“vector_source_image”欄位：（欄位類型需要為STRING，必須勾選為需embedding欄位）：
使用者可根據業務表欄位對預置欄位名稱進行修改，但需要保證該欄位的進階配置無誤：
在彈框中填寫相應資訊：
進階配置說明：
向量化模型
clip：通用圖片轉向量模型。
clip_ecom：電商增強圖片轉向量模型。
資料類型：選擇image
內容來源類型：OSS
OSS儲存空間：OSS的bucket名稱
注意：OSS的SLR方式需要開通OpenSearch-向量檢索版服務關聯角色
假設某張圖片在OSS的路徑為“/測試圖片/湖泊.jpg”，那麼該欄位的內容也必須是“/測試圖片/湖泊.jpg”，以下圖舉例：
OSS的路徑：
MaxCompute欄位值：
3.2.配置vector向量欄位：（欄位類型需要為FLOAT，必須勾選為向量欄位）
base64編碼的圖片
模板選擇“向量：圖片搜尋”模板後，系統預設產生4個預置欄位id（主鍵）、cate_id（類目欄位）、vector（向量欄位）、vector_source_image（儲存圖片路徑的欄位），使用者選擇MaxCompute資料來源後，從資料來源同步的欄位，展示在預置欄位下方。
3.1.配置“vector_source_image”欄位：（欄位類型需要為STRING，必須勾選為需embedding欄位）：
使用者可根據業務表欄位對預置欄位名稱進行修改，但需要保證該欄位的進階配置無誤：
在彈框中填寫相應資訊：
向量化模型：目前支援通用版和電商版兩種模型，
clip：通用圖片轉向量模型。
clip_ecom：電商增強圖片轉向量模型。
資料類型：選擇base64編碼。
3.2.勾選vector向量欄位：（欄位類型需要為FLOAT，必須勾選為向量欄位）
索引結構配置，配置完成後點擊下一步：
配置說明：
向量索引名稱與向量欄位名稱相同
包含欄位為主鍵、向量欄位、命名空間欄位可選
進階配置按需填寫
通過引擎將圖片產生的向量，預設為512維，並且不支援修改。
配置完成後，點擊確認建立：
可在變更歷史中查看錶的建立進度：
全量完成後，即可搜尋測試。
查詢測試
控制台查詢測試
控制台查詢用法可以參考：查詢測試。
SDK查詢
查詢樣本：可參考預測查詢。
結果展示：
{
"totalCount": 5,
"result": [
{
"id": 5,
"score": 1.103209137916565
},
{
"id": 3,
"score": 1.1278988122940064
},
{
"id": 2,
"score": 1.1326735019683838
}
],
"totalTime": 242.615
}result 中 記錄著返回的結果。