KnnVectorQuery使用數值向量進行近似最近鄰查詢,可以在大規模數據集中找到最相似的數據項。
前提條件
已初始化OTSClient。具體操作,請參見初始化OTSClient。
已在數據表上創建多元索引并配置向量字段。具體操作,請參見創建多元索引。
注意事項
請確保已安裝最新版本的表格存儲Go SDK。具體操作,請參見安裝表格存儲Go SDK。
向量字段類型的個數、維度等存在限制。更多信息,請參見多元索引限制。
由于多元索引服務端是多分區的,多元索引服務端的每個分區均會返回自身最鄰近的TopK個值并在協調節點進行匯總,因此如果要使用Token翻頁獲取所有數據,則獲取到的總行數與多元索引服務端的分區數有關。
參數
參數 | 是否必選 | 說明 |
FieldName | 是 | 向量字段名稱。 |
TopK | 是 | 查詢最鄰近的topK個值。關于最大值的說明請參見多元索引限制。 重要
|
Float32QueryVector | 是 | 要查詢相似度的向量。 |
Filter | 否 | 查詢過濾器,支持組合使用任意的非向量檢索的查詢條件。 |
示例
以下示例用于查詢表中與指定向量最鄰近的10個向量數據,并且最鄰近的向量需要滿足col_keyword列值等于"hangzhou"的條件。
func query(client *tablestore.TableStoreClient) {
searchQuery := search.NewSearchQuery()
searchQuery.Query = &search.KnnVectorQuery{
FieldName: "col_vector",
TopK: proto.Int32(10),
Float32QueryVector: []float32{-1.4, 1, 1, 1.2},
Filter: &search.BoolQuery{
ShouldQueries: []search.Query{
&search.TermQuery{
FieldName: "col_keyword",
Term: "hangzhou",
},
},
},
}
searchQuery.Sort = &search.Sort{
Sorters: []search.Sorter{
search.NewScoreSort(), // 按照分數排序。
},
}
searchRequest := &tablestore.SearchRequest{
SearchQuery: searchQuery,
TableName: "<TABLE_NAME>",
IndexName: "<SEARCH_INDEX_NAME>",
ColumnsToGet: &tablestore.ColumnsToGet{Columns: []string{
"col_keyword",
"col_long",
}},
}
if resp, err := client.Search(searchRequest); err != nil {
fmt.Println("float32 vector query failed: ", err)
} else {
for _, hit := range resp.SearchHits {
fmt.Println("score:", *hit.Score)
jsonBody, err := json.Marshal(hit.Row)
if err != nil {
panic(err)
}
fmt.Println("row: ", string(jsonBody))
}
}
}
相關文檔
多元索引查詢類型包括精確查詢、多詞精確查詢、全匹配查詢、匹配查詢、短語匹配查詢、前綴查詢、范圍查詢、通配符查詢、多條件組合查詢、地理位置查詢、嵌套類型查詢、向量檢索和列存在性查詢,您可以選擇合適的查詢類型進行多維度數據查詢。
如果要對結果集進行排序或者翻頁,您可以使用排序和翻頁功能來實現。具體操作,請參見排序和翻頁。
如果要按照某一列對結果集做折疊,使對應類型的數據在結果展示中只出現一次,您可以使用折疊(去重)功能來實現。具體操作,請參見折疊(去重)。
如果要進行數據分析,例如求最值、求和、統計行數等,您可以使用Search接口的統計聚合功能或者SQL查詢來實現。具體操作,請參見統計聚合和SQL查詢。
如果要快速導出數據,而不關心整個結果集的順序時,您可以使用ParallelScan接口和ComputeSplits接口實現多并發導出數據。具體操作,請參見并發導出數據。