查询向量

基础查询针对创建了向量索引的向量字段，提供了特殊的向量查询语法。第一个“vector”关键字表示该查询类型为VectorQuery，“my_vector”指定了需要查询的向量字段名称。第二个“vector”指定查询向量的具体值，支持数组形式以及Base64编码形式的输入。“topk”的值通常与“size”保持一致。例如，下述查询将会返回所有数据中与查询向量最近的size（topk）条（即2条）数据。

POST my_index/_search 
 { 
   "size": 2, 
   "query": { 
     "vector": { 
       "my_vector": { 
         "vector": [1.0, 2.0], 
         "topk": 2 
       } 
     } 
   } 
 } 

向量检索支持与其他Elasticsearch子查询组合进行复合查询，比如布尔查询、后置过滤等。

• 布尔查询示例

  POST my_index/_search 
   { 
     "size": 10, 
     "query": { 
       "bool": { 
         "must": { 
           "vector": { 
             "my_vector": { 
               "vector": [1.0, 2.0], 
               "topk": 10 
             } 
           } 
         }, 
         "filter": { 
           "term" : { "tags" : "production" } 
         }, 
         "must_not" : { 
           "range" : { "age" : {"gte" : 10, "lte" : 20} } 
         } 
       } 
     } 
   } 

  上述示例中，首先查询topk（10）条与查询向量距离最近的结果，filter作为过滤条件将仅保留tags字段为“production”的结果，range子句的修饰符为must_not，表示将剔除range查询得到的结果，从而得到最终的结果，最终的结果数可能小于topk条。

• 后置过滤示例

  GET my_index/_search 
   { 
     "size": 10, 
     "query": { 
       "vector": { 
         "my_vector": { 
           "vector": [1.0, 2.0], 
           "topk": 10 
         } 
       } 
     }, 
     "post_filter": { 
       "term": { "tags": "production" } 
     }
   }

当使用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。CSS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" 
     } 
   } 
 }