国内超高清无码视频视频,特级毛片a级毛片免费播放,精品国产女同疯狂摩擦

Lindorm向量引擎支持向量數據檢索功能，兼容Elasticsearch協議，同時支持標量、向量、全文混合檢索功能。本文介紹如何通過curl命令連接并使用向量引擎。

前提條件

已開通Lindorm向量引擎。如何開通，請參見開通向量引擎。
已開通Lindorm搜索引擎。具體操作，請參見開通指南。
已將客戶端的IP地址加入到Lindorm實例的白名單中。具體操作，請參見設置白名單。

算法說明

您可以參考各個算法的特點、適用的數據量等，創建適合業務場景的向量索引。

算法	數據量	資源占用	算法特點	注意事項
flat	[0，1萬)	純內存。	暴力檢索，使用簡單，適合小數據集。	檢索性能會隨著數據量增加而降低。
hnsw	[1萬, 100萬)	純內存，資源占用較高。	在線索引，適合數據集中等規模，用法相對簡單。	CPU占用量與number_of_shards（索引分片數量）的值相關，其值通常設置為向量引擎節點數。如果索引數量較多，且每個索引數據量較少，將number_of_shards設置為`1`即可。
ivfpq	100萬以上	磁盤索引，默認1:8壓縮，即內存大小為原始數據的1/8。	離線索引，需要先寫入一定量的數據再構建索引，適合大數據集，成本較低。	發起索引構建時需確保寫入的數據量充足，必須大于256條且超過nlist的30倍。建議在離線數據導入完成后再觸發索引構建。索引構建完成后，您可以正常進行KNN查詢和寫入操作。說明 nlist參數的說明，請參見參數說明。

創建向量索引

創建向量索引，其中vector1為向量列、field1為普通列。向量列及其相關參數必須在創建索引時通過mappings結構顯式指定。

hnsw類型索引

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPUT "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/vector_test?pretty"  -d '
{
 "settings" : {
    "index": {
      "number_of_shards": 2,
      "knn": true
    }
  },
  "mappings": {
    "_source": {
      "excludes": ["vector1"]
    },
    "properties": {
      "vector1": {
        "type": "knn_vector",
        "dimension": 3,
        "data_type": "float",
        "method": {
          "engine": "lvector",
          "name": "hnsw", 
          "space_type": "l2",
          "parameters": {
            "m": 24,
            "ef_construction": 200
         }
       }
      },
      "field1": {
        "type": "long"
      }
    }
  }
}'

ivfpq類型索引

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPUT "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/vector_ivfpq_test?pretty"  -d '
{
  "settings": {
    "index": {
      "number_of_shards": 4,
      "knn": true,
      "knn.offline.construction": true
    }
  },
  "mappings": {
    "_source": {
      "excludes": ["vector1"]
    },
    "properties": {
      "vector1": {
        "type": "knn_vector",
        "dimension": 3,
        "data_type": "float",
        "method": {
          "engine": "lvector",
          "name": "ivfpq",
          "space_type": "cosinesimil",
          "parameters": {
            "m": 3,
            "nlist": 10000,
            "centroids_use_hnsw": true,
            "centroids_hnsw_m": 48,
            "centroids_hnsw_ef_construct": 500,
            "centroids_hnsw_ef_search": 200
          }
        }
      },
      "field1": {
        "type": "long"
      }
    }
  }
}
'

重要

創建ivfpq類型索引，您必須注意以下事項：

ivfpq中knn.offline.construction務必設置為true，后續需要寫入一定量的數據才能發起構建索引。
使用ivfpq算法請將dimension替換業務真實向量維度，并將m值設置為與dimension相同的值。

稀疏向量索引

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPUT "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/vector_sparse_test?pretty"  -d '
{
 "settings" : {
    "index": {
      "number_of_shards": 2,
      "knn": true
    }
  },
  "mappings": {
    "_source": {
      "excludes": ["vector1"]
    },
    "properties": {
      "vector1": {
        "type": "knn_vector",
        "data_type": "sparse_vector",
        "method": {
          "engine": "lvector",
          "name": "sparse_hnsw", 
          "space_type": "innerproduct",
          "parameters": {
            "m": 24,
            "ef_construction": 200
         }
       }
      },
      "field1": {
        "type": "long"
      }
    }
  }
}'

參數說明

連接參數說明

參數	是否必填	示例值	說明
URL	是	ld-bp106782jm96****-proxy-search-vpc.lindorm.aliyuncs.com:30070	搜索引擎的Elasticsearch兼容連接地址。如何獲取，請參見Elasticsearch兼容地址。
username	是	xltest	訪問向量引擎的用戶名和密碼。默認用戶名和密碼的獲取方式：在控制臺的左側導航欄，選擇數據庫連接，單擊搜索引擎頁簽，在搜索引擎頁簽可獲取。
password	是	test

向量列參數說明

通用參數

參數	是否必填	說明
type	是	索引列的類型。對于向量列，固定為`knn_vector`。
dimension	是	向量數據的維度。取值范圍：[1,32768]。
data_type	否	向量數據的類型。目前支持以下類型： float float16 sparse_vector（僅稀疏向量索引支持該類型）
method.name	是	向量數據的索引算法。取值如下： flat hnsw ivfpq sparse_hnsw（僅稀疏向量索引支持該算法）
method.space_type	否	向量數據的距離算法。取值如下： l2（默認值）：歐式距離。 cosinesimil：余弦距離。 innerproduct：內積距離。

HNSW算法參數

參數

是否必填

說明

method.parameters.m

否

每一層圖的最大出邊數量。

取值范圍：[1,100]。默認值為16。

method.parameters.ef_construction

否

索引構建時動態列表的長度。

取值范圍：[1,1000]。默認值為100。

IVFPQ算法參數

參數	是否必填	說明
method.parameters.m	否	量化中子空間的數量。取值范圍：[2,32768]。默認值為`16`。重要創建ivfpq類型索引時，該參數值必須與通用參數dimension的值相同。
method.parameters.nlist	否	聚類中心的數量。取值范圍：[2, 1000000]。默認值為`10000`。
method.parameters.centroids_use_hnsw	否	是否在聚類中心搜索時使用HNSW算法。取值如下： true（默認值） false
method.parameters.centroids_hnsw_m	否	若在聚類中心搜索時使用HNSW算法，設定HNSW算法的每一層圖的最大出邊數量。取值范圍：[1,100]。默認值為`16`。
method.parameters.centroids_hnsw_ef_construct	否	若在聚類中心搜索時使用HNSW算法，設定HNSW算法在索引構建時動態列表的長度。取值范圍：[1,1000]。默認值為`100`。
method.parameters.centroids_hnsw_ef_search	否	若在聚類中心搜索時使用HNSW算法，設定HNSW算法在查詢時動態列表的長度。取值范圍：[1,1000]。默認值為`100`。

假設向量索引名為vector_test，返回結果如下：

{"acknowledged":true,"shards_acknowledged":true,"index":"vector_test"}

數據寫入

包含向量列的索引與普通索引的數據寫入方式一致，以向量數組（Float數組）格式寫入，例如[1.2, 1.3, 1.4]。

單條寫入

curl -u <username>:<password> -H 'Content-Type: application/json' -XPOST "<URL>/<索引名稱>/_doc/1?pretty"  -d '
{"field1": 1, "vector1": [1.2, 1.3, 1.4]}'

以索引vector_test為例，返回結果如下：

{"_index":"vector_test","_type":"_doc","_id":"1","_version":1,"result":"created","_shards":{"total":1,"successful":1,"failed":0},"_seq_no":0,"_primary_term":1}

批量寫入

curl -u <username>:<password> -H 'Content-Type: application/json' -XPUT "<URL>/_bulk?pretty"  -d '
{ "index" : { "_index" : "vector_test", "_id" : "2" } }
{ "field1" : 1, "vector1": [2.2, 2.3, 2.4]}
{ "index" : { "_index" : "vector_test", "_id" : "3" } }
{ "field1" : 2, "vector1": [1.2, 1.3, 4.4]}
{ "delete" : { "_index" : "vector_test", "_id" : "2" } }
{ "update" : {"_id" : "1", "_index" : "vector_test"} }
{ "doc" : {"field1" : 3, "vector1": [2.2, 3.3, 4.4]} }
'

插入寫

若目標數據已存在，則不允許寫入。

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPOST "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/_bulk?pretty"  -d '
{ "create" : { "_index" : "vector_test", "_id" : "1" } }
{ "field1" : 1, "vector1": [2.2, 2.3, 2.4]}
{ "create" : { "_index" : "vector_test", "_id" : "2" } }
{ "field1" : 2, "vector1": [1.2, 1.3, 4.4]}
'

更新寫

若目標數據已存在，則執行更新操作；若目標數據不存在，寫入數據。

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPOST "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/_bulk?pretty"  -d '
{ "index" : { "_index" : "vector_test", "_id" : "3" } }
{ "field1" : 1, "vector1": [2.2, 2.3, 2.4]}
{ "index" : { "_index" : "vector_test", "_id" : "4" } }
{ "field1" : 2, "vector1": [1.2, 1.3, 4.4]}
'

稀疏向量寫入

寫入方式與上述方式相同，但需要修改vector1的格式。共支持兩種格式：JSON STRING和JSON Object。前者性能更優，后者格式更友好。

JSON STRING

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPUT "http://ld-t4n1ui****.lindorm.aliyuncs.com:30070/vector_sparse_test/_doc/1?pretty"  -d '{
  "field1": 1, 
  "vector1": {"indices": [10, 12, 16], "values": [0.5, 0.5, 0.2]}
}'

JSON Object

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPUT "http://ld-t4n56631ui****.lindorm.aliyuncs.com:30070/vector_sparse_test/_doc/1?pretty"  -d '{
  "field1": 2, 
  "vector1": "{\"indices\": [10, 14, 16], \"values\": [0.5, 0.5, 0.2]}"
}'

索引構建

重要

除ivfpq索引，其他類型索引創建時index.knn.offline.construction默認為false，即在線索引，無需手動構建。
在觸發ivfpq索引構建前需注意：在創建ivfpq索引時，需將index.knn.offline.construction顯式指定為true，且在發起構建時務必確保已寫入足夠的數據量，必須大于256條且超過nlist的30倍。
手動觸發索引構建完成后，后續可正常寫入和查詢，無需再次構建索引。

觸發構建

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPOST "http://ld-t4n56****.lindorm.aliyuncs.com:30070/_plugins/_vector/index/build"  -d '
{
  "indexName": "vector_ivfpq_test",
  "fieldName": "vector1",
  "removeOldIndex": "true"
}'

參數說明

參數	是否必填	說明
indexName	是	表名稱，例如`vector_ivfpq_test`。
fieldName	是	針對哪個字段構建索引，例如`vector1`。
removeOldIndex	是	構建索引時，是否刪除舊的索引。取值如下： true：在觸發構建時，會刪除舊的索引數據，在構建完成后才能進行knn查詢。重要實際業務使用，建議設置為`true`。 false（默認值）：會保留舊的索引，但會影響檢索性能。

返回結果如下：

{
  "payload": ["default_vector_ivfpq_test_vector1"]
}

返回結果為索引構建生成的taskId。

查看索引狀態

您可以通過以下方式查看索引構建狀態。

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XGET "http://ld-t****.lindorm.aliyuncs.com:30070/_plugins/_vector/index/tasks"  -d '{
  "indexName": "vector_ivfpq_test",
  "fieldName": "vector1",
  "taskIds": "[\"default_vector_ivfpq_test_vector1\"]"
}'

其中，taskIds為觸發構建時生成的taskId，可以填寫空的數組，例如"taskIds": "[]"，效果與上述已填寫taskIds的效果一致。

返回結果如下：

{
  "payload": ["task: default_vector_ivfpq_test_vector1, stage: FINISH, innerTasks: xxx, info: finish building"]
}

其中，stage表示構建狀態，共包含以下幾種狀態：START（開始構建）、TRAIN（訓練階段）、BUILDING（構建中）、ABORT（終止構建）、FINISH（構建完成）和FAIL（構建失敗）。

說明

ABORT通常調用/index/abort接口來終止索引構建。

終止構建

終止索引的構建流程。狀態為FINISH的索引不支持調用該方法。

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPOST "http://ld-t**.lindorm.aliyuncs.com:30070/_plugins/_vector/index/tasks/abort"  -d '{
  "indexName": "vector_ivfpq_test",
  "fieldName": "vector1",
  "taskIds": "[\"default_vector_ivfpq_test_vector1\"]"
}'

數據查詢

純向量數據查詢

純向量數據的查詢可以通過knn結構實現。

curl -u <username>:<password> -H 'Content-Type: application/json' -XGET "<URL>/<索引名稱>/_search?pretty"  -d '
{
  "size": 10,
  "query": {
    "knn": {
      "vector1": {
        "vector": [2.3, 3.3, 4.4],
        "k": 10
      }
    }
  },
  "ext": {"lvector": {"min_score": "0.8"}}
}'

參數說明

參數結構	參數	是否必填	說明
knn	vector	是	查詢時使用的向量。
knn	k	是	返回最相似的K個數據。重要在純向量檢索場景中，建議將size和k設置為相同的值。
ext	lvector.min_score	否	相似度閾值，要求返回的向量得分大于該值。返回的向量得分范圍為[0,1]。取值范圍：[0,+inf]。默認值為`0`。
	lvector.filter_type	否	融合查詢使用的模式。取值如下： pre_filter post_filter 默認值為空。
	lvector.ef_search	否	HNSW算法中，索引構建時動態列表的長度。只能用于HNSW算法。取值范圍：[1,1000]。默認值為`100`。
	lvector.nprobe	否	要查詢的聚類單元（cluster units）的數量。請根據您的召回率要求，對該參數的值進行調整已達到理想效果。值越大，召回率越高，搜索性能越低。取值范圍：[1,method.parameters.nlist]。無默認值。重要僅適用于ivfpq算法。
	lvector.reorder_factor	否	使用原始向量創建重排序（reorder）。ivfpq算法計算的距離為量化后的距離，會有一定的精度損失，需要使用原始向量進行重排序。比例為`k * reorder_factor` ，通常用于提升召回精度，但會增加性能開銷。取值范圍：[1,200]。默認值為`10`。重要僅適用于ivfpq算法。 k值較小時可以設置為`5`，如果k大于`100`，直接設置為1即可。

以索引vector_test為例，返回結果如下：

單擊展開返回結果

{
  "took" : 30,
  "timed_out" : false,
  "terminated_early" : false,
  "num_reduce_phases" : 0,
  "_shards" : {
    "total" : 2,
    "successful" : 2,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "vector_test",
        "_id" : "2",
        "_score" : 1.0
      },
      {
        "_index" : "vector_test",
        "_id" : "1",
        "_score" : 0.25
      },
      {
        "_index" : "vector_test",
        "_id" : "3",
        "_score" : 0.14285715
      }
    ]
  }
}

返回指定字段

如果需要在查詢時返回指定字段，可以指定 "_source": ["field1", "field2"] 或使用"_source": true 返回非向量的全部字段。使用方法如下：

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XGET "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/vector_test/_search?pretty"  -d '
{
  "size": 10,
  "_source": ["field1"],
  "query": {
    "knn": {
      "vector1": {
        "vector": [2.2, 2.3, 2.4],
        "k": 10
      }
    }
  },
  "ext": {"lvector": {"min_score": "0.01"}}
}'

返回結果如下：

單擊查看返回結果

{
  "took" : 35,
  "timed_out" : false,
  "terminated_early" : false,
  "num_reduce_phases" : 0,
  "_shards" : {
    "total" : 2,
    "successful" : 2,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "vector_test",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "field1" : 1
        }
      },
      {
        "_index" : "vector_test",
        "_id" : "1",
        "_score" : 0.25,
        "_source" : {
          "field1" : 1
        }
      },
      {
        "_index" : "vector_test",
        "_id" : "3",
        "_score" : 0.14285715,
        "_source" : {
          "field1" : 2
        }
      }
    ]
  }
}

hsnw算法查詢

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XGET "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/vector_test/_search?pretty"  -d '
{
  "size": 10,
  "query": {
    "knn": {
      "vector1": {
        "vector": [2.2, 2.3, 2.4],
        "k": 10
      }
    }
  },
  "ext": {"lvector": {"ef_search": "100"}}
}'

ivfpq算法查詢

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XGET "http://ld-t68xk31ui****.lindorm.aliyuncs.com:30070/vector_ivfpq_test/_search?pretty"  -d '
{
  "size": 10,
  "query": {
    "knn": {
      "vector1": {
        "vector": [2.2, 2.3, 2.4],
        "k": 10
      }
    }
  },
  "ext": {"lvector": {"nprobe": "60", "reorder_factor": "5"}}
}'

重要

如果k值相對較大，如大于100，將reorder_factor的值設置為1即可。
當nlist的值為10000時，可以先將nprobe設置為60，查看檢索效果。如果想繼續提升召回率，可適當增加nprobe的值，如80、100、120、140、160，該值引起的性能損耗遠小于reorder_factor，但也不適宜設置過大。

稀疏向量查詢

查詢方式與上述方式相同，但需要修改vector1的格式。共支持兩種格式：JSON STRING和JSON Object。前者性能更優，后者格式更友好。

JSON STRING

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XGET "http://ld-t631ui****.lindorm.aliyuncs.com:30070/vector_sparse_test/_search?pretty"  -d '
{
  "size": 10,
  "query": {
    "knn": {
      "vector1": {
        "vector": {"indices": [10, 45, 16], "values": [0.5, 0.5, 0.2]},
        "k": 10
      }
    }
  }
}'

JSON Object

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XGET "http://ld-t631ui****.lindorm.aliyuncs.com:30070/vector_sparse_test/_search?pretty"  -d '
{
  "size": 10,
  "query": {
    "knn": {
      "vector1": {
        "vector": "{\"indices\": [10, 45, 16], \"values\": [0.5, 0.5, 0.2]}",
        "k": 10
      }
    }
  }
}'

融合查詢

向量列的查詢可與普通列的查詢條件結合，并返回綜合的查詢結果。在實際業務使用時， Post_Filter近似查詢通常能獲取更相似的檢索結果。

Pre-Filter近似查詢

通過在knn查詢結構內部添加過濾器filter，并指定filter_type參數的值為pre_filter，可實現先過濾結構化數據，再查詢向量數據。

說明

目前結構化過濾數據的上限為10,000條。

curl -u <username>:<password> -H 'Content-Type: application/json' -XGET "<URL>/<索引名稱>/_search?pretty"  -d '
{
  "size": 10,
  "query": {
    "knn": {
      "vector1": {
        "vector": [2.3, 3.3, 4.4],
        "filter": {
          "range": {
            "field1": {
              "gte": 0
            }
          }
        },
        "k": 10
      }
    }
  },
  "ext": {"lvector": {"filter_type": "pre_filter"}}
}'

Post-Filter近似查詢

通過在knn查詢結構內部添加過濾器filter，并指定filter_type參數的值為post_filter，可實現先查詢向量數據，再過濾結構化數據。

說明

在使用Post_Filter近似查詢時，可以適當將k的值設置大一些，以便獲取更多的向量數據再進行過濾。

curl -u <username>:<password> -H 'Content-Type: application/json' -XGET "<URL>/<索引名稱>/_search?pretty"  -d '
{
  "size": 10,
  "query": {
    "knn": {
      "vector1": {
        "vector": [2.3, 3.3, 4.4],
        "filter": {
          "range": {
            "field1": {
              "gte": 0
            }
          }
        },
        "k": 10
      }
    }
  },
  "ext": {"lvector": {"filter_type": "post_filter"}}
}'

在使用Post_Filter近似查詢時需要適當放大k的值，在使用ivfpq算法的情況下需要調整reorder_factor的值，具體使用如下：

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XGET "http://ld-t4n8xk31ui****.lindorm.aliyuncs.com:30070/vector_ivfpq_test/_search?pretty"  -d '
{
  "size": 10,
  "query": {
    "knn": {
      "vector1": {
        "vector": [2.2, 2.3, 2.4],
        "filter": {
          "range": {
            "field1": {
              "gte": 0
            }
          }
        },
        "k": 1000
      }
    }
  },
  "ext": {"lvector": {"filter_type": "post_filter","nprobe": "60", "reorder_factor": "1"}}
}'

重要

在Post_Filter近似查詢場景中，可以將k值放大至10,000、最大控制在20,000之內，從而將處理時延控制在百毫秒之內。如果k值相對較大，將reorder_factor的值設置為1即可。
當nlist的值為10000時，可以先將nprobe設置為60，查看檢索效果。如果檢索效果不理想，可適當增加nprobe的值，如80、100、120、140、160，該值引起的性能損耗遠小于reorder_factor，但也不適宜設置過大。

您也可以通過post_filter添加過濾條件，實現Post-Filter近似查詢。

curl -u <username>:<password> -H 'Content-Type: application/json' -XGET "<URL>/<索引名稱>/_search?pretty"  -d '
{
  "size": 10,
  "query": {
    "knn": {
      "vector1": {
        "vector": [2.3, 3.3, 4.4],
        "k": 10
      }
    }
  },
  "post_filter": {
    "range": {
      "field1": {
        "gte": 0
      }
    }
  }
}'

常規用法

常規用法提供索引基礎的查詢、刪除等使用方法。

查詢所有索引及其數據量。

curl -u <username>:<pasword> -XGET "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/_cat/indices?v"

返回結果：

health status index        uuid        pri rep docs.count docs.deleted store.size pri.store.size
green  open   vector_test  vector_test 2   0          2            0      6.8kb          6.8kb

查詢指定索引的數據量。以查詢vector_test為例。

curl -u <username>:<pasword> -XGET "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/vector_test/_count?pretty"

返回結果：

{
  "count" : 2,
  "_shards" : {
    "total" : 2,
    "successful" : 2,
    "skipped" : 0,
    "failed" : 0
  }
}

查看索引創建信息。

curl -u <username>:<pasword> -XGET "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/vector_test?pretty"

返回結果：

單擊查看返回結果

{
  "vector_test" : {
    "aliases" : { },
    "mappings" : {
      "_source" : {
        "excludes" : [
          "vector1"
        ]
      },
      "properties" : {
        "field1" : {
          "type" : "long"
        },
        "vector1" : {
          "type" : "knn_vector",
          "dimension" : 3,
          "data_type" : "float",
          "method" : {
            "engine" : "lvector",
            "space_type" : "l2",
            "name" : "hnsw",
            "parameters" : {
              "ef_construction" : 200,
              "m" : 24
            }
          }
        }
      }
    },
    "settings" : {
      "index" : {
        "search" : {
          "slowlog" : {
            "level" : "DEBUG",
            "threshold" : {
              "fetch" : {
                "warn" : "1s",
                "trace" : "200ms",
                "debug" : "500ms",
                "info" : "800ms"
              },
              "query" : {
                "warn" : "10s",
                "trace" : "500ms",
                "debug" : "1s",
                "info" : "5s"
              }
            }
          }
        },
        "indexing" : {
          "slowlog" : {
            "level" : "DEBUG",
            "threshold" : {
              "index" : {
                "warn" : "10s",
                "trace" : "500ms",
                "debug" : "2s",
                "info" : "5s"
              }
            }
          }
        },
        "number_of_shards" : "2",
        "provided_name" : "vector_test",
        "knn" : "true",
        "creation_date" : "1727169417350",
        "number_of_replicas" : "0",
        "uuid" : "vector_test",
        "version" : {
          "created" : "136287927"
        }
      }
    }
  }
}

刪除整個索引。

curl -u <username>:<pasword>  -XDELETE "http://ld-t4n5668xk31ui****.lindorm.aliyuncs.com:30070/vector_test"

通過查詢刪除。

curl -u <username>:<pasword> -H 'Content-Type: application/json' -XPOST "http://ld-31ui****.lindorm.aliyuncs.com:30070/vector_test/_delete_by_query"  -d '
{
  "query": {
    "term": {
      "field1": 1
    }
  }
}'

日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

前提條件

算法說明

創建向量索引

hnsw類型索引

ivfpq類型索引

稀疏向量索引

參數說明

通用參數

HNSW算法參數

IVFPQ算法參數

數據寫入

單條寫入

批量寫入

插入寫

更新寫

稀疏向量寫入

JSON STRING

JSON Object

索引構建

觸發構建

查看索引狀態

終止構建

數據查詢

純向量數據查詢

返回指定字段

hsnw算法查詢

ivfpq算法查詢

稀疏向量查詢

JSON STRING

JSON Object

融合查詢

Pre-Filter近似查詢

Post-Filter近似查詢

常規用法