OpenSearch项目中的Mapping Transformer技术解析
在OpenSearch项目中,近期提出了一个关于Mapping Transformer的技术方案,旨在简化神经搜索(neural search)的设置过程。这项技术将引入一种新的字段类型,并允许用户在索引映射中定义模型ID,从而自动生成与神经搜索相关的字段。
背景与需求
当前在OpenSearch中设置神经搜索需要手动配置多个相关字段,如knn_vector字段等。这一过程较为复杂,容易出错。为了解决这个问题,开发团队提出了一个自动化方案:通过定义新的字段类型,系统能够根据模型ID自动生成所有必要的神经搜索字段。
技术方案比较
团队考虑了两个主要的技术实现方案:
-
ActionFilter方案
利用现有的ActionFilter机制来修改创建/修改索引映射和索引模板的请求。这种方案的优势是不需要修改核心代码,但缺点是职责不清晰,ActionFilter被设计为通用机制,用于此特定场景显得不够专业。 -
MapperPlugin扩展方案
在MapperPlugin中引入新的MappingTransformer接口,让插件实现这个接口来转换映射。这种方案职责明确,但需要修改核心代码。
经过评估,团队倾向于选择第二种方案,因为它提供了更清晰的架构和职责划分。
技术实现细节
当用户创建包含新字段类型的索引时,系统会自动转换映射。例如,当用户定义如下索引:
{
"settings":{
"index.knn":true
},
"mappings":{
"properties":{
"id":{
"type":"text"
},
"products":{
"type":"nested",
"properties":{
"product_description":{
"type":"semantic",
"model_id":"oC31TZUBuSxkFaMuZlMo"
}
}
}
}
}
}
系统会自动将其转换为包含所有必要神经搜索字段的完整映射,包括:
- 原始字段保留
- 语义信息字段(包含分块信息)
- 模型元数据字段
- 向量嵌入字段(包括维度、引擎类型等配置)
设计考量
在技术讨论中,团队考虑了是否可以在数据摄入时动态更新映射的方案。虽然技术上可行,但团队认为在添加语义字段时就生成所有相关字段更为合理,原因包括:
- 职责清晰:字段生成与字段定义保持同步
- 快速失败:可以在早期阶段验证模型有效性
- 性能考虑:避免在数据摄入时频繁更新映射
总结
OpenSearch的这一技术改进将显著简化神经搜索的设置过程,使开发者能够更专注于业务逻辑而非基础设施配置。通过引入Mapping Transformer机制,系统能够自动处理复杂的字段映射关系,提高开发效率并减少配置错误。这一设计体现了OpenSearch项目对开发者体验的持续关注和改进。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0302- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









