标准查询

针对创建了向量索引的向量字段，提供了标准向量查询语法。下述查询命令将会返回所有数据中与查询向量最近的size（topk）条数据。

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

标准查询的参数说明

可选的查询参数说明

参数
子参数
说明
GRAPH类索引配置参数
ef
查询时考察邻居节点的队列大小。值越大查询精度越高，查询速度会变慢。默认值为200。
取值范围：(0,   100000]
max_scan_num
扫描节点上限。值越大精度越高，查询速度变慢。默认值为10000。
取值范围：(0,   1000000]
IVF类索引配置参数
nprobe
查询考察中心点的数目。值越大精度越高，查询速度变慢。默认值为100。
取值范围：(0,   100000]

复合查询

向量检索支持与其他ES子查询组合进行复合查询，比如布尔查询、后置过滤等。

以下两个示例的查询结果：首先查询top10条与查询向量距离最近的结果，filter作为过滤条件将仅保留my_label字段为“red”的结果。

• 布尔查询示例

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

• 后置过滤示例

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

ScriptScore查询

写入向量数据后，针对向量字段可以使用ScriptScore进行最近邻查询，查询语法如下所示。

前置过滤条件可以为任意查询，script_score仅针对前置过滤的结果进行遍历，计算向量相似度并排序返回。此种查询方式的性能取决于前置过滤后中间结果集的大小，当前置过滤条件为"match_all"时，相当于全局暴力检索。

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参数说明

重打分查询

当使用GRAPH_PQ索引或者IVF_GRAPH_PQ索引时，查询结果是根据PQ计算的非对称距离进行排序。ES支持Rescore的方式对查询结果进行重打分精排，提升召回率。

假设my_index是PQ类型的索引，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参数说明