径向搜索
径向搜索增强了向量搜索功能，超越了近似 k 近邻搜索。通过径向搜索，您可以查找向量空间中位于距查询点指定最大距离或最小分数阈值内的所有点。这为搜索操作提供了更大的灵活性和实用性。
参数
径向搜索支持以下参数
max_distance：指定向量空间内的物理距离，识别出与查询点在此距离内的所有点。此方法对于需要空间接近度或绝对距离测量的应用程序特别有用。
min_score：指定一个相似性分数，用于检索与查询点相关联的达到或超过此分数的点。此方法非常适用于相对相似性（基于特定度量）比物理接近度更重要的场景。
在径向搜索期间，只需指定一个查询变量，即 k、max_distance 或 min_score 中的一个。
支持的用例
您可以使用 Lucene 或 Faiss 引擎执行径向搜索。下表总结了按引擎划分的径向搜索用例。
| 支持的引擎 | 支持的过滤器 | 支持嵌套字段 | 搜索类型 |
|---|---|---|---|
| Lucene | 是 | 否 | 近似 |
| Faiss | 是 | 是 | 近似 |
空间
有关支持的空间，请参阅 空间。
示例
以下示例可以帮助您开始使用径向搜索。
先决条件
要将向量索引与径向搜索一起使用，请通过将 index.knn 设置为 true 来创建向量索引。指定一个或多个 knn_vector 数据类型的字段，如下例所示
PUT knn-index-test
{
"settings": {
"number_of_shards": 1,
"number_of_replicas": 1,
"index.knn": true
},
"mappings": {
"properties": {
"my_vector": {
"type": "knn_vector",
"dimension": 2,
"space_type": "l2",
"method": {
"name": "hnsw",
"engine": "faiss",
"parameters": {
"ef_construction": 100,
"m": 16,
"ef_search": 100
}
}
}
}
}
}
创建索引后，添加一些类似以下的数据
PUT _bulk?refresh=true
{"index": {"_index": "knn-index-test", "_id": "1"}}
{"my_vector": [7.0, 8.2], "price": 4.4}
{"index": {"_index": "knn-index-test", "_id": "2"}}
{"my_vector": [7.1, 7.4], "price": 14.2}
{"index": {"_index": "knn-index-test", "_id": "3"}}
{"my_vector": [7.3, 8.3], "price": 19.1}
{"index": {"_index": "knn-index-test", "_id": "4"}}
{"my_vector": [6.5, 8.8], "price": 1.2}
{"index": {"_index": "knn-index-test", "_id": "5"}}
{"my_vector": [5.7, 7.9], "price": 16.5}
示例：使用 max_distance 进行径向搜索
以下示例显示了使用 max_distance 执行的径向搜索
GET knn-index-test/_search
{
"query": {
"knn": {
"my_vector": {
"vector": [
7.1,
8.3
],
"max_distance": 2
}
}
}
}
返回所有欧几里得平方距离（l2^2）在 2 以内的文档，如下面的响应所示
结果
{
"took": 6,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 4,
"relation": "eq"
},
"max_score": 0.98039204,
"hits": [
{
"_index": "knn-index-test",
"_id": "1",
"_score": 0.98039204,
"_source": {
"my_vector": [
7.0,
8.2
],
"price": 4.4
}
},
{
"_index": "knn-index-test",
"_id": "3",
"_score": 0.9615384,
"_source": {
"my_vector": [
7.3,
8.3
],
"price": 19.1
}
},
{
"_index": "knn-index-test",
"_id": "4",
"_score": 0.62111807,
"_source": {
"my_vector": [
6.5,
8.8
],
"price": 1.2
}
},
{
"_index": "knn-index-test",
"_id": "2",
"_score": 0.5524861,
"_source": {
"my_vector": [
7.1,
7.4
],
"price": 14.2
}
}
]
}
}
示例：使用 max_distance 和过滤器进行径向搜索
以下示例显示了使用 max_distance 和响应过滤器执行的径向搜索
GET knn-index-test/_search
{
"query": {
"knn": {
"my_vector": {
"vector": [7.1, 8.3],
"max_distance": 2,
"filter": {
"range": {
"price": {
"gte": 1,
"lte": 5
}
}
}
}
}
}
}
返回所有欧几里得平方距离（l2^2）在 2 以内且价格在 1 到 5 范围内的文档，如下面的响应所示
结果
{
"took": 4,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 2,
"relation": "eq"
},
"max_score": 0.98039204,
"hits": [
{
"_index": "knn-index-test",
"_id": "1",
"_score": 0.98039204,
"_source": {
"my_vector": [
7.0,
8.2
],
"price": 4.4
}
},
{
"_index": "knn-index-test",
"_id": "4",
"_score": 0.62111807,
"_source": {
"my_vector": [
6.5,
8.8
],
"price": 1.2
}
}
]
}
}
示例：使用 min_score 进行径向搜索
以下示例显示了使用 min_score 执行的径向搜索
GET knn-index-test/_search
{
"query": {
"knn": {
"my_vector": {
"vector": [7.1, 8.3],
"min_score": 0.95
}
}
}
}
返回所有分数等于或高于 0.9 的文档，如下面的响应所示
结果
{
"took": 3,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 2,
"relation": "eq"
},
"max_score": 0.98039204,
"hits": [
{
"_index": "knn-index-test",
"_id": "1",
"_score": 0.98039204,
"_source": {
"my_vector": [
7.0,
8.2
],
"price": 4.4
}
},
{
"_index": "knn-index-test",
"_id": "3",
"_score": 0.9615384,
"_source": {
"my_vector": [
7.3,
8.3
],
"price": 19.1
}
}
]
}
}
示例：使用 min_score 和过滤器进行径向搜索
以下示例显示了使用 min_score 和响应过滤器执行的径向搜索
GET knn-index-test/_search
{
"query": {
"knn": {
"my_vector": {
"vector": [
7.1,
8.3
],
"min_score": 0.95,
"filter": {
"range": {
"price": {
"gte": 1,
"lte": 5
}
}
}
}
}
}
}
返回所有分数等于或高于 0.9 且价格在 1 到 5 范围内的文档，如下面的示例所示
结果
{
"took": 4,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 1,
"relation": "eq"
},
"max_score": 0.98039204,
"hits": [
{
"_index": "knn-index-test",
"_id": "1",
"_score": 0.98039204,
"_source": {
"my_vector": [
7.0,
8.2
],
"price": 4.4
}
}
]
}
}