概述
search_by_text 用于非结构化数据检索。非结构化数据检索是指向量数据库支持非结构化原始数据,可以直接通过文本搜索文本。
异步调用使用async_search_by_text 接口,参数不变。
说明
- 当前仅支持文本类型的非结构化数据。
- Collection 数据写入/删除后,Index 数据更新时间最长滞后 20s,不能立即在 Index 检索到。
前提条件
- 通过 create_collection 接口创建数据集时,定义字段 fields 已添加带 pipeline_name 的 text 字段。
- 通过 upsert_data 接口写入数据时,已写入带 pipeline_name 的 text 类型的字段名称和字段值。
- 通过 create_index 创建索引时,已创建 vector_index 向量索引。
请求参数
参数 | 类型 | 是否必选 | 默认值 | 参数说明 |
---|
text | string | 是 | | 检索的输入文本。 |
filter | map | 否 | | 过滤条件,详见 filter 表达式说明。 - 默认为空,不做过滤。
- 过滤条件包含 must、must_not、range、range_out四类查询算子,包含 and 和 or 两种对查询算子的组合。
|
limit | int | 否 | 10 | 检索结果数量,最大5000个。 |
output_fields | list<string> | 否 | | 过滤字段,指定要返回的标量或向量字段列表。 - output_fields 不传时,返回所有的标量字段,不返回向量字段。
- output_fields 为空列表时,不返回 fields 字段。
- output_fields 格式错误或者过滤字段不是 collection 里的字段时, 接口返回错误。
如果索引的距离方式为cosine,向量字段返回的向量是归一化后的向量。 |
partition | string/int | 否 | "default" | 子索引名称,类型与 partition_by 的 field_type 一致,字段值对应 partition_by 的 field_value。 - field_type 为 int64,list<int64> 时,partition 输入类型为 int64。
- field_type 为 string,list<string> 时,partition 输入类型为 string,格式要求 "^[a-zA-Z0-9._]+$"。
|
dense_weight | float | 否 | 0.5 | 混合检索中稠密向量的权重,1 表示纯稠密检索 ,0表示纯字面检索。
只有索引是混合索引时有效。范围 [0.2, 1] |
filter 表达式
算子 | 算子说明 | 示例 |
---|
must | 针对指定字段名生效,语义为必须在 [...] 之中,即 "must in"。 | {
"op": "must",
"field": "region",
"conds": ["cn", "sg"]
}
|
must_not | 针对指定字段名生效,语义为必须不在 [...] 之中,即 "must not in"。 | {
"op": "must_not",
"field": "data_type",
"conds": [1,2,3]
}
|
range | 针对指定字段名生效,语义为必须在指定范围内。
配置使用gte (大于等于), gt (大于), lte (小于等于), lt (小于),用以圈定一维范围。
另外,支持用 center 和 radius 表示二维圆内范围。 | // price 在 [100.0, 500.0)
{
"op": "range",
"field": "price",
"gte": 100.0,
"lt": 500.0
}
//price >= 100.0
{
"op": "range",
"field": "price",
"gte": 100.0
}
// 以 center 为中心,半径为50的圆内
{
"op": "range",
"field": ["pos_x", "pos_y"],
"center": [100.0, 123.4],
"radius": 50.0
}
|
range_out | 针对指定字段名生效,语义为必须在指定范围外。配置使用gte (大于等于), gt (大于), lte (小于等于), lt (小于),用以圈定一维范围。 | // 筛选价格低于100或高于500的商品
{
"op": "range_out",
"field": "price",
"gt": 500.0,
"lt": 100.0
}
|
and | 逻辑算子,针对逻辑查询需求,对多个条件取交集。 | {
"op": "and", // 算子名
"conds": [ // 条件列表,支持嵌套逻辑算子和 must/must_not 算子
{
"op": "must",
"field": "type",
"conds": [1]
},
{
... // 支持>=1的任意数量的条件进行组合
}
]
}
|
or | 逻辑算子,针对逻辑查询需求,对多个条件取并集。 | {
"op": "or", // 算子名
"conds": [ // 条件列表,支持嵌套逻辑算子和 must/must_not 算子
{
"op": "must",
"field": "type",
"conds": [1]
},
{
... // 支持>=1的任意数量的条件进行组合
}
]
}
|
示例
请求参数
# 获取指定索引,程序初始化时调用即可,无需重复调用
index = vikingdb_service.get_index("example_text", "example_index_text")
res = index.search_by_text(Text(text="this is five"), filter={"op": "range", "field": "price", "lt": 4}, limit=3, output_fields=["doc_id", "text", "price", "like"], partition=1)
async def search_by_text():
index = await vikingdb_service.async_get_index("async", "async")
res = await index.search_by_text(Text(text="this is five"), filter={"op": "range", "field": "price", "lt": 4}, limit=3, output_fields=["doc_id", "text", "price", "like"], partition=1)
asyncio.run(search_by_text())
返回值
Python 调用执行上面的任务,返回 List<Data> 。Data 实例包含的属性如下表所示。
属性 | 说明 |
---|
id | 主键 id。 |
fields | 请求返回中的 fields 字段,是具体的数据,字典类型。 |
score | 表示找到的向量和输入的向量的匹配程度。 |