› ›

检索器

检索器是在 8.14.0 版本中添加到 Search API 的一个抽象概念，并在 8.16.0 版本中正式发布。此抽象概念允许在单个 _search 调用中配置多阶段检索管道。这简化了您的搜索应用程序逻辑，因为您不再需要通过多次 Elasticsearch 调用配置复杂的搜索，或实现额外的客户端逻辑来合并来自不同查询的结果。

本文档提供了检索器抽象的总体概述。有关实现细节，包括重要的限制，请查阅 _search API 文档中的参考文档。

检索器类型

编辑

检索器有多种类型，每种类型都针对不同的搜索操作量身定制。目前可用的检索器如下：

标准检索器。从传统的查询返回排名靠前的文档。模拟传统的查询，但在检索器框架的上下文中进行。这确保了向后兼容性，因为仍然支持现有的 _search 请求。这样，您就可以按照自己的节奏过渡到新的抽象概念，而无需混合语法。
kNN 检索器。在检索器框架的上下文中，从 knn 搜索返回排名靠前的文档。
RRF 检索器。使用倒数排名融合 (RRF) 算法合并和排名多个第一阶段检索器。允许您将具有不同相关性指标的多个结果集合并为一个结果集。RRF 检索器是一个 复合检索器，它的 filter 元素会传播到其子检索器。
规则检索器。在返回结果之前，将查询规则应用于查询。
文本相似度重排序器检索器。用于语义重排序。需要先使用 Elasticsearch 推理 API 创建 rerank 任务。

检索器有何用处？

编辑

以下概述了检索器的用途及其与常规查询的不同之处。

简化的用户体验。检索器允许在单个 API 调用中配置整个检索管道，从而简化用户体验。通过自动将传统的查询元素转换为相应的检索器，它保持了与传统查询元素的向后兼容性。
结构化检索。检索器提供了一种更结构化的方式来定义搜索操作。它们允许使用“检索器树”来描述搜索，这是一种分层结构，可以清楚地说明操作的顺序和逻辑，使复杂的搜索更易于理解和管理。
可组合性和灵活性。检索器支持灵活的可组合性，允许您构建管道，并将不同的检索策略无缝集成到这些管道中。检索器使测试不同的检索策略组合变得容易。
复合操作。一个检索器可以有子检索器。这允许复杂的嵌套搜索，其中一个检索器的结果馈入另一个检索器，从而支持可能涉及多个阶段或标准的复杂查询策略。
将检索作为第一类概念。与传统的查询（其中查询是更大的搜索 API 调用的一部分）不同，检索器被设计为可以组合或单独使用的独立实体。这使得构建搜索的方法更加模块化和灵活。
增强了对文档评分和排名的控制。检索器允许更明确地控制文档的评分和过滤方式。例如，您可以指定最低评分阈值，应用复杂的过滤器而不影响评分，并使用诸如 terminate_after 之类的参数进行性能优化。
与现有 Elasticsearch 功能集成。即使可以使用检索器来代替现有的 _search API 语法（如 query 和 knn），它们也被设计为与分页 (search_after) 和排序等功能无缝集成。通过将所有叶检索器的组合视为布尔查询中的 should 子句，它们也保持了与聚合操作的兼容性。
更清晰的关注点分离。当使用复合检索器时，只允许使用查询元素，这强制执行更清晰的关注点分离，并防止可能因过度嵌套或相互依赖的配置而引起的复杂性。

示例

编辑

以下示例演示了如何使用检索器来简化 RRF 排名查询的可组合性。

GET example-index/_search
{
  "retriever": {
    "rrf": {
      "retrievers": [
        {
          "standard": {
            "query": {
              "sparse_vector": {
                "field": "vector.tokens",
                "inference_id": "my-elser-endpoint",
                "query": "What blue shoes are on sale?"
              }
            }
          }
        },
        {
          "standard": {
            "query": {
              "match": {
                "text": "blue shoes sale"
              }
            }
          }
        }
      ]
    }
  }
}

此示例演示了如何将不同的检索策略组合到单个 retriever 管道中。

与使用 sub_searches 方法的 RRF 相比（该方法在 8.16.0 版本中已弃用）

展开查看示例

GET example-index/_search
{
  "sub_searches":[
    {
      "query":{
        "match":{
          "text":"blue shoes sale"
        }
      }
    },
    {
      "query":{
        "sparse_vector": {
            "field": "vector.tokens",
            "inference_id": "my-elser-endoint",
            "query": "What blue shoes are on sale?"
          }
        }
      }
  ],
  "rank":{
    "rrf":{
      "rank_window_size":50,
      "rank_constant":20
    }
  }
}

有关如何使用检索器的更多示例，请参阅检索器示例。