OpenSearch语义字段类型与自动生成摄取管道的技术探索
2025-05-22 16:28:49作者:郁楠烈Hubert
背景与需求
在现代搜索系统中,神经搜索(Neural Search)已成为提升搜索质量的重要手段。传统OpenSearch实现神经搜索需要用户手动配置多个组件:创建knn_vector字段、设置ML模型、编写摄取管道处理文本嵌入等。这种繁琐的配置流程增加了用户的使用门槛。
技术方案
OpenSearch社区提出了一种创新性的解决方案——引入"semantic"字段类型。该方案的核心思想是通过字段类型声明自动完成神经搜索所需的全套配置,包括:
- 字段映射自动扩展:当用户声明semantic字段时,系统会自动创建配套的knn_vector字段和元数据字段
- 智能文本处理:自动处理文本分块(chunking)以适应大文本场景
- 嵌入生成:基于指定的ML模型自动生成文本嵌入
- 查询重写:自动将用户查询转换为向量搜索
实现细节
字段映射自动生成
系统会根据用户提供的模型ID自动补全完整的字段映射结构。例如用户声明:
"text": {
"type": "semantic",
"model_id": "aVeif4oB5Vm0Tdw8zYO2"
}
系统会自动扩展为包含:
- 原始文本字段
- 分块处理后的嵌套结构
- 向量嵌入字段(自动获取模型维度等参数)
- 模型元信息字段
自动摄取处理
关键技术挑战在于如何在不要求用户显式创建摄取管道的情况下,自动注入文本处理和嵌入生成逻辑。解决方案包括:
- MapperPlugin扩展:通过新增接口允许插件参与映射处理
- 传输层注入:在文档索引的传输层自动插入处理逻辑
- 隐式管道管理:系统内部维护自动生成的处理器,对用户透明
技术优势
- 简化配置:用户只需指定模型ID即可完成全套神经搜索配置
- 降低门槛:无需了解knn_vector、摄取管道等底层概念
- 灵活扩展:支持未来添加更多自动处理逻辑
- 向后兼容:不影响现有手动配置方式的使用
应用场景
该技术特别适合以下场景:
- 快速搭建语义搜索系统
- 需要处理长文本的AI应用
- 希望简化ML模型集成的场景
- 需要动态调整文本处理策略的应用
未来展望
这一技术路线为OpenSearch的智能化发展提供了重要基础,未来可以扩展支持:
- 更多类型的自动字段处理
- 动态模型切换
- 自适应分块策略
- 混合搜索的自动优化
通过这种声明式的字段类型设计,OpenSearch正在使神经搜索技术变得更加易用和平民化,为更广泛的AI应用场景打开了大门。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
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~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++095AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
197
2.17 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
59
94

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
973
574

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
549
81

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!
C
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133