Elasticsearch 向量搜索
本文将会介绍 Elasticsearch 向量搜索的两种方式。
向量搜索
提到向量搜索，我想你一定想知道：
- 向量搜索是什么？
- 向量搜索的应用场景有哪些？
- 向量搜索与全文搜索有何不同？
ES 的全文搜索简而言之就是将文本进行分词，然后基于词通过 BM25 算法计算相关性得分，从而找到与搜索语句相似的文本，其本质上是一种 term-based（基于词）的搜索。
全文搜索的实际使用已经非常广泛，核心技术也非常成熟。但是，除了文本内容之外，现实生活中还有非常多其它的数据形式，例如：图片、音频、视频等等，我们能不能也对这些数据进行搜索呢？
答案是 Yes !
随着机器学习和人工智能等技术的发展，万物皆可 Embedding。换句话说就是，我们可以对文本、图片、音频、视频等等一切数据通过 Embedding 相关技术将其转换成特征向量，而一旦向量有了，向量搜索的需求随之也越发强烈，向量搜索的应用场景也变得一望无际、充满想象力。
图片来源 damo.alibaba.com/events/112
ES 向量搜索说明
ES 向量搜索目前有两种方式:
script_score_knn_search
script_score 精确搜索
ES 7.6 版本对新增的字段类型 dense_vector 确认了稳定性保证，这个字段类型就是用来表示向量数据的。
数据建模示例：
PUT my-index { "mappings": { "properties": { "my_vector": { "type": "dense_vector", "dims": 128 }, "my_text" : { "type" : "keyword" } } } }
如上图所示，我们在索引中建立了一个 dims 维度为 128 的向量数据字段。
script_score 搜索示例：
{ "script_score": { "query": {"match_all": {}}, "script": { "source": "cosineSimilarity(params.query_vector, 'my_vector') + 1.0", "params": {"query_vector": query_vector} } } }
上图所示的含义是使用 ES 7.3 版本之后内置的 cosineSimilarity 余弦相似度函数计算向量之间的相似度得分。
需要注意的是，script_score 这种搜索方式是先执行 query ，然后对匹配的文档再进行向量相似度算分，其隐含的含义是：
- 数据建模时向量字段可以与其它字段类型一起使用，也就是支持混合查询（先进行全文搜索，再基于搜索结果进行向量搜索）。
script_score是一种暴力计算，数据集越大，性能损耗就越大。
_knn_search 搜索
由于 script_score 的性能问题，ES 在 8.0 版本引入了一种新的向量搜索方法 _knn_search（目前处于试验性功能）。
所谓的 _knn_search 其实就是一种 approximate nearest neighbor search (ANN) 即 近似最近邻搜索。这种搜索方式在牺牲一定准确性的情况下优先追求搜索性能。
为了使用 _knn_search 搜索，在数据建模时有所不同。
示例：
PUT my-index-knn { "mappings": { "properties": { "my_vector": { "type": "dense_vector", "dims": 128, "index": true, "similarity": "dot_product" } } } }
如上所示，我们必须额外指定：
index为 true 。similarity指定向量相似度算法，可以是l2_norm、dot_product、cosine其中之一。
额外指定 index 为 true 是因为，为了实现 _knn_search，ES 必须在底层构建一个新的数据结构（目前使用的是 HNSW graph ）。
_knn_search 搜索示例：
GET my-index-knn/_knn_search { "knn": { "field": "my_vector", "query_vector": [0.3, 0.1, 1.2, ...], "k": 10, "num_candidates": 100 }, "_source": ["name", "date"] }
使用 _knn_search 搜索的优点就是搜索速度非常快，缺点就是精确度不是百分百，同时无法与 Query DSL 一起使用，即无法进行混合搜索。
