本文将介绍企业在没有向量数据的情况下，如何通过OpenSearch向量检索版、MaxCompute以及OSS，快速搭建图像搜索服务。
用户可以直接导入图片源数据，在OpenSearch内部便捷完成图片向量化、向量搜索等步骤，实现以图搜图、以文搜图等多种图像检索能力。
1. 方案架构
用户可以通过3种不同的方式上传图片进行图搜引擎的搭建：
- OSS+MaxCompute+OpenSearch向量检索版：用户先将图片上传至OSS中，在MaxCompute中存储业务表数据以及每条数据对应的图片地址（OSS里的路径，比如/image/1.jpg）
- MaxCompute+OpenSearch向量检索版：用户将图片通过base64编码后的图片及其表数据存储在MaxCompute中
- API+OpenSearch向量检索版：用户通过OpenSearch向量检索版给出的数据推送接口，将base64编码后的图片及其表数据推送到OpenSearch向量检索版实例中
本文演示的是OSS+MaxCompute+OpenSearch向量检索版搭建图搜引擎。
2. 环境准备
2.1 创建AK和SK
第一次开通阿里云账号并登录控制台时，会提示先创建access key才能继续使用。
- 创建及使用应用依赖access key参数，主账号下access key参数不能为空。
- 在为主账号创建access key参数后，还可以再创建RAM子账号access key通过RAM子账号进行访问，RAM子账号赋予对应访问权限，请参考RAM（子账号）的创建及授权。
2.2 创建对象存储OSS
本文在OSS中上传了1000张图片：
部分图片类型如下：
3. 购买OpenSearch向量检索版实例
购买实例可参考购买OpenSearch向量检索版实例。
4. 配置实例
新购买的实例，其状态为“待配置”，之后需要为该实例配置一张表，之后才可正常搜索。
4.1 填写表基础信息，点击下一步
配置说明：
- 表名称：可自定义
- 数据分片数：分片数设置时，各索引表分片数需保持一致；或至少一个索引表分片数为1，其余索引表分片数一致
- 数据更新资源数：数据更新所用资源数，每个索引默认免费提供2个4核8G的更新资源，超出免费额度的资源将产生费用，详情可参考数据更新费用
- 场景模板：选择“向量：图片搜索”
- 数据处理：选择“需将原始数据转为向量数据”
4.2 数据同步，配置数据源，校验通过后，点击下一步
配置参数说明：
- 数据源类型：选择MaxCompute
- Project：访问的目标MaxCompute项目名称
- accesskeyId：阿里云账号或RAM用户的AccessKey ID
- accesskeySecret：AccessKey ID对应的AccessKey Secret
- Table：访问的目标MaxCompute表名
- 分组键partition：MaxCompute数据源必须设置分区键; 示例：ds=20170626
- 时间戳：如果有API的增量数据，该配置表示回追多久的增量数据，系统默认最大能回追3天的API增量数据
- 自动索引重建：是否开启自动索引重建任务，如果开启，则将在识别到当前数据源的变更时，自动对引用该数据源的索引表进行索引重建；
说明
开启自动索引重建，则必须创建done表，创建方式可参考自动索引重建
3、字段配置，配置完成后，点击下一步：
此处需要选择主键、向量字段、需embedding字段。
4.3 图片存储于OSS
模板选择“向量：图片搜索”模板后，系统默认生成4个预置字段id（主键）、cate_id（类目字段）、vector（向量字段）、vector_source_image（存储图片路径的字段），用户选择MaxCompute数据源后，从数据源同步的字段，展示在预置字段下方。
4.3.1.配置“vector_source_image”字段
字段类型需要为STRING，必须勾选为需embedding字段
用户可根据业务表字段对预置字段名称进行修改，但需要保证该字段的高级配置无误：
在弹框中填写相应信息：
- 数据类型：选择image(path)
- 内容来源类型：oss
- OSS存储空间：OSS的Bucket名称
- oss_secret：可以访问OSS的账号AK
- oss_accesskey：可以访问OSS的账号SK
重要
假设某张图片在OSS的路径为“/测试图片/湖泊.jpg”，那么该字段的内容也必须是“/测试图片/湖泊.jpg”，以下图举例：
OSS的路径：
MaxCompute字段值：
4.3.2.配置vector向量字段
字段类型需要为FLOAT，必须勾选为向量字段。
4.4 base64编码的图片
模板选择“向量：图片搜索”模板后，系统默认生成4个预置字段id（主键）、cate_id（类目字段）、vector（向量字段）、vector_source_image（存储图片路径的字段），用户选择MaxCompute数据源后，从数据源同步的字段，展示在预置字段下方。
4.4.1 配置“vector_source_image”字段
字段类型需要为STRING，必须勾选为需embedding字段
用户可根据业务表字段对预置字段名称进行修改，但需要保证该字段的高级配置无误：
在弹框中填写相应信息：
- 数据类型：选择image（base64编码）
4.4.2 勾选vector向量字段
字段类型需要为FLOAT，必须勾选为向量字段
4.4.3 索引结构配置，配置完成后点击下一步
配置说明：
- 向量索引名称与向量字段名称相同
- 包含字段为主键、向量字段、标签字段可选
- 高级配置按需填写
说明
通过引擎将图片生成的向量，默认为512维，并且不支持修改。
4.4.4 配置完成后，点击确认创建
6、可在变更历史中查看表的创建进度：
全量完成后，即可搜索测试。
5. 查询测试
查询示例：可参考预测查询。
结果展示：
{ "totalCount": 5, "result": [ { "id": 5, "score": 1.103209137916565 }, { "id": 3, "score": 1.1278988122940064 }, { "id": 2, "score": 1.1326735019683838 } ], "totalTime": 242.615 }
result 中 记录着返回的结果。
