標準查詢

針對創建了向量索引的向量字段，提供了標準向量查詢語法。下述查詢命令將會返回所有數據中與查詢向量最近的size（topk）條數據。

POST my_index/_search 
{ 
  "size":2, 
  "_source": false,  
  "query": { 
    "vector": { 
      "my_vector": { 
        "vector": [1, 1], 
        "topk":2 
      } 
    } 
  } 
}

標準查詢的參數說明

可選的查詢參數說明

參數
子參數
說明
GRAPH類索引配置參數
ef
查詢時考察鄰居節點的隊列大小。值越大查詢精度越高，查詢速度會變慢。默認值為200。
取值范圍：(0, ? 100000]
max_scan_num
掃描節點上限。值越大精度越高，查詢速度變慢。默認值為10000。
取值范圍：(0, ? 1000000]
IVF類索引配置參數
nprobe
查詢考察中心點的數目。值越大精度越高，查詢速度變慢。默認值為100。
取值范圍：(0, ? 100000]

復合查詢

向量檢索支持與其他ES子查詢組合進行復合查詢，比如布爾查詢、后置過濾等。

以下兩個示例的查詢結果：首先查詢top10條與查詢向量距離最近的結果，filter作為過濾條件將僅保留my_label字段為“red”的結果。

• 布爾查詢示例

POST my_index/_search 
{ 
  "size": 10, 
  "query": { 
    "bool": { 
      "must": { 
        "vector": { 
          "my_vector": { 
            "vector": [1, 2], 
            "topk": 10 
          } 
        } 
      }, 
      "filter": { 
        "term": { "my_label": "red" } 
      } 
    } 
  } 
}

• 后置過濾示例

GET my_index/_search 
{ 
  "size": 10, 
  "query": { 
    "vector": { 
      "my_vector": { 
        "vector": [1, 2], 
        "topk": 10 
      } 
    } 
  }, 
  "post_filter": { 
    "term": { "my_label": "red" } 
  } 
}

ScriptScore查詢

寫入向量數據后，針對向量字段可以使用ScriptScore進行最近鄰查詢，查詢語法如下所示。

前置過濾條件可以為任意查詢，script_score僅針對前置過濾的結果進行遍歷，計算向量相似度并排序返回。此種查詢方式的性能取決于前置過濾后中間結果集的大小，當前置過濾條件為"match_all"時，相當于全局暴力檢索。

POST my_index/_search  
 {  
   "size":2,  
   "query": {  
   "script_score": {  
       "query": {  
         "match_all": {}  
       },  
       "script": {  
         "source": "vector_score",  
         "lang": "vector",  
         "params": {  
           "field": "my_vector",  
           "vector": [1.0, 2.0],  
           "metric": "euclidean"  
         }  
       }  
     }  
   }  
 }

script_score參數說明

重打分查詢

當使用GRAPH_PQ索引或者IVF_GRAPH_PQ索引時，查詢結果是根據PQ計算的非對稱距離進行排序。ES支持Rescore的方式對查詢結果進行重打分精排，提升召回率。

假設my_index是PQ類型的索引，Rescore示例如下：

GET my_index/_search  
 {  
   "size": 10,  
   "query": {  
     "vector": {  
       "my_vector": {  
         "vector": [1.0, 2.0],  
         "topk": 100  
       }  
     }  
   },  
   "rescore": {  
     "window_size": 100,  
     "vector_rescore": {  
       "field": "my_vector",  
       "vector": [1.0, 2.0],  
       "metric": "euclidean"  
     }  
   }  
 }

Rescore參數說明