全部產品
Search
文件中心

:向量檢索

更新時間:Jul 25, 2024

KnnVectorQuery使用數值向量進行近似最近鄰查詢,可以在大規模資料集中找到最相似的資料項目。

目前向量檢索功能處於邀測中,預設關閉。如果需要使用該功能,請提交工單進行申請。

前提條件

注意事項

  • Table StorePython SDK從5.4.4版本開始支援向量檢索功能,請確保已安裝正確的Table StorePython SDK版本。

    說明

    關於Python SDK歷史迭代版本的更多資訊,請參見Python SDK歷史迭代版本

  • 向量欄位類型的個數、維度等存在限制。更多資訊,請參見多元索引限制

  • 由於多元索引服務端是多分區的,多元索引服務端的每個分區均會返回自身最鄰近的TopK個值並在協調節點進行匯總,因此如果要使用Token翻頁擷取所有資料,則擷取到的總行數與多元索引服務端的分區數有關。

參數

參數

是否必選

說明

field_name

向量欄位名稱。

top_k

查詢最鄰近的topK個值。關於最大值的說明請參見多元索引限制

重要
  • K值越大,召回率越好,但是查詢延遲和費用越高。

  • 當top_k的值小於SearchQuery中limit的值時,服務端會自動把top_k的值放大到limit的值。

float32_query_vector

要查詢相似性的向量。

filter

查詢過濾器,支援組合使用任意的非向量檢索的查詢條件。

樣本

以下樣本用於查詢表中與指定向量最鄰近的10個向量資料,並且最鄰近的向量需要滿足col_keyword列值等於"0"且col_long列值在0到50之間的條件。

def knn_vector_query(client):
    filter_query = BoolQuery(
        must_queries=[
            TermQuery(field_name='col_keyword', column_value="0"),
            RangeQuery(field_name='col_long', range_from=0, range_to=50),
        ]
    )
    query = KnnVectorQuery(field_name='col_vector', top_k=10, float32_query_vector=[1.0, 1.1, 1.2, -1.3], filter=filter_query)
    # 按照分數排序。
    sort = Sort(sorters=[ScoreSort(sort_order=SortOrder.DESC)])
    search_query = SearchQuery(query, limit=10, get_total_count=False, sort=sort)
    search_response = client.search(
        table_name='<TABLE_NAME>',
        index_name='<SEARCH_INDEX_NAME>',
        search_query=search_query,
        columns_to_get=ColumnsToGet(column_names=["col_keyword", "col_long"], return_type=ColumnReturnType.SPECIFIED)
    )
    print("requestId:", search_response.request_id)
    for row in search_response.rows:
        print(row)

相關文檔