当前位置: 首页 > news >正文

ES 8.14 Java 代码调用,增加knnSearch 和 混合检索 mixSearch

1、pom依赖

        <dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-client</artifactId><version>8.14.0</version></dependency><dependency><groupId>co.elastic.clients</groupId><artifactId>elasticsearch-java</artifactId><version>8.14.0</version></dependency><dependency><groupId>org.apache.commons</groupId><artifactId>commons-pool2</artifactId><version>2.9.0</version> <!-- 使用你所需的版本 --></dependency><dependency><groupId>jakarta.json.bind</groupId><artifactId>jakarta.json.bind-api</artifactId><version>2.0.0</version></dependency><dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-databind</artifactId><version>2.13.2</version></dependency><dependency><groupId>org.glassfish</groupId><artifactId>jakarta.json</artifactId><version>2.0.1</version></dependency>

2、ES 8.1的相关接口 主要参考: Java封装Elasticsearch8常用接口方法(一)_elasticsearch8 java接口-CSDN博客

3、EsService 主要 增加knnSearch 和 混合检索 mixSearch

/*** KNN搜索** @param indexName 索引名称* @param vector 向量数据* @param field KNN字段名* @return KnnSearchResponse* @throws Exception*/public SearchResponse knnSearchTestTwo(String indexName, List<Float> vector, String field, List<String> list) throws Exception {ElasticsearchClient client = ESClientPool.getClient();KnnQuery knnQuery = KnnQuery.of(m -> m.field(field).queryVector(vector).numCandidates(100));SearchResponse<ObjectNode> response = client.search(s -> s.index(indexName).query(knnQuery._toQuery()).source(SourceConfig.of(sf -> sf.filter(f -> f.includes(list)))), ObjectNode.class);List<ObjectNode> result = new ArrayList<>();for (Hit<ObjectNode> hit : response.hits().hits()) {ObjectNode source = hit.source();source.put("score", hit.score());result.add(source);}log.info("SearchResponse: {}", JSON.toJSONString(result));ESClientPool.returnClient(client);return response;}/*** 混合查询测试** @param indexName 索引名称* @param searchText 查询文本* @param vector 向量* @param knnField KNN字段名* @return SearchResponse* @throws Exception*/public SearchResponse mixSearch(String indexName, String searchText, String searchField, List<Float> vector, String knnField, List<String> returnFields) throws Exception {ElasticsearchClient client = ESClientPool.getClient();MatchQuery searchTextQuery = new MatchQuery.Builder().field(searchField).query(searchText).build();KnnQuery knnQuery = new KnnQuery.Builder().field(knnField).queryVector(vector).numCandidates(100).build();// 创建must子句的bool查询,这里只有一个should子句BoolQuery boolQuery = new BoolQuery.Builder().must(searchTextQuery._toQuery()) // 必须满足的文本匹配.should(knnQuery._toQuery()) // 可以满足的向量相似性.build();SearchResponse<ObjectNode> response = client.search(s -> s.index(indexName).query(boolQuery._toQuery()).source(SourceConfig.of(sf -> sf.filter(f -> f.includes(returnFields)))), ObjectNode.class);ESClientPool.returnClient(client);return response;}

相关文章:

ES 8.14 Java 代码调用,增加knnSearch 和 混合检索 mixSearch

1、pom依赖 <dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-client</artifactId><version>8.14.0</version></dependency><dependency><groupId>co.elastic.clients<…...

被腰斩的颍川郡守赵广汉

在颍川&#xff0c;他发明了举报箱&#xff0c;铁腕扫黑除恶。因为曾经在郡府所在地阳翟&#xff08;禹州&#xff09;当过县令&#xff0c;熟悉颍川社情民意&#xff0c;所以&#xff0c;任职郡守后雷厉风行&#xff0c;才不到一年&#xff0c;不但制服了骄横的豪门大族&#…...

【2024最新华为OD-C/D卷试题汇总】[支持在线评测] 目录管理器(200分) - 三语言AC题解(Python/Java/Cpp)

🍭 大家好这里是清隆学长 ,一枚热爱算法的程序员 ✨ 本系列打算持续跟新华为OD-C/D卷的三语言AC题解 💻 ACM银牌🥈| 多次AK大厂笔试 | 编程一对一辅导 👏 感谢大家的订阅➕ 和 喜欢💗 📎在线评测链接 目录管理器(200分) 🌍 评测功能需要订阅专栏后私信联系清隆…...

关于自学\跳槽\转行做网络安全行业的一些建议

很好&#xff0c;如果你是被题目吸引过来的&#xff0c;那请看完再走&#xff0c;还是有的~ 为什么写这篇文章 如何自学入行&#xff1f;如何小白跳槽&#xff0c;年纪大了如何转行等类似问题 &#xff0c;发现很多人都有这样的困惑。下面的文字其实是我以前的一个回答&#…...

计算机网络(1) OSI七层模型与TCP/IP四层模型

一.OSI七层模型 OSI 七层模型是国际标准化组织ISO提出的一个网络分层模型&#xff0c;它的目的是使各种不同的计算机和网络在世界范围内按照相同的标准框架实现互联。OSI 模型把网络通信的工作分为 7 层&#xff0c;从下到上分别是物理层、数据链路层、网络层、传输层、会话层、…...

认识QML

为什么使用Qt Quick&#xff1f; Qt4的设计用于满足开发者在主流桌面操作系统上有一套表现一致的窗口组件可以 使用。如今Qt的使用者面临了新的问题&#xff0c;他们需要提供可触碰交互的用户界面以满 足软件界面需求&#xff0c;并在主流桌面操作系统和移动操作系统上实现这些…...

llama-factory微调chatglm3

一、定义 案例/多卡 二、实现 案例 1. 下载chatglm3-6b-32k模型 2. 配置数据集微调指令 CUDA_VISIBLE_DEVICES0,1 llamafactory-cli train \--stage sft \--do_train True \--model_name_or_path /home/chatglm3-6b-32k \--finetuning_type lora \--template chatglm3 \--d…...

大文件上传实现

分片上传 将大文件分割成多个小片&#xff08;chunk&#xff09;&#xff0c;逐个上传。每个片上传成功后&#xff0c;服务器可以返回确认信息。所有片上传完成后&#xff0c;服务器端将这些片重新组合成原始文件。 以下是一个简单的分片上传的前端实现示例&#xff1a; func…...

为何Proteus用户争相拥抱SmartEDA?揭秘背后的强大吸引力!

在电路设计与仿真领域&#xff0c;Proteus一度以其稳定性能和丰富功能赢得了众多用户的青睐。然而&#xff0c;近年来&#xff0c;越来越多的Proteus用户开始转向SmartEDA&#xff0c;这一新兴电路仿真软件正迅速崭露头角&#xff0c;成为行业内的翘楚。那么&#xff0c;究竟是…...

万界星空科技QMS质量管理介绍

产品的生产质量是企业发展之根本&#xff0c;对所有企业来说&#xff0c;建立完善质量控制体系&#xff0c;对企业生产经营以及发展竞争具有至关重要的影响&#xff0c;可以说是企业质量保证的防火墙。QMS质量管理系统对任何一家企业都具有重要意义&#xff0c;可帮助企业提高生…...

神经网络 torch.nn---nn.LSTM()

torch.nn - PyTorch中文文档 (pytorch-cn.readthedocs.io) LSTM — PyTorch 2.3 documentation LSTM层的作用 LSTM层:长短时记忆网络层&#xff0c;它的主要作用是对输入序列进行处理&#xff0c;对序列中的每个元素进行编码并保存它们的状态&#xff0c;以便后续的处理。 …...

Web前端JSP软件:深度解析与探索之旅

Web前端JSP软件&#xff1a;深度解析与探索之旅 在当今数字化时代&#xff0c;Web前端技术日新月异&#xff0c;JSP&#xff08;Java Server Pages&#xff09;软件作为其中的佼佼者&#xff0c;扮演着举足轻重的角色。本文将从四个方面、五个方面、六个方面和七个方面&#x…...

人生的乐趣,在于对真知的追求

子曰&#xff1a;朝闻道&#xff0c;夕死可矣&#xff01; 孔子说&#xff1a;早上听到关于世界的真理&#xff0c;哪怕晚上就die了都可以。 这句话很有力量而经常被人引用&#xff0c;表达出我们如何看待沉重的肉身和精神世界。 我们的生活目的&#xff1a;道。 —— 要了解…...

IPython大揭秘:神奇技巧让你掌握无敌编程力量!

IPython技巧 基础技巧文件操作技巧输入输出技巧魔术命令技巧调试技巧程序性能优化技巧输入输出重定向技巧魔术命令控制技巧自定义显示格式技巧多线程多进程技巧异常处理技巧数据可视化技巧自定义魔术命令技巧安装扩展包技巧Jupyter Notebook集成技巧文档显示技巧代码块执行技巧…...

逻辑卷管理器 (LVM) 简介

古老的 e5 主机目前有这些存储设备 (硬盘): 系统盘 (M.2 NVMe SSD 480GB), 数据盘 (3.5 英寸 SATA 硬盘 4TB x2). 窝决定使用 LVM 对数据盘进行管理. 逻辑卷管理器 (LVM) 可以认为是一种 (单机) 存储虚拟化 技术. 多个物理存储设备 (PV) 组成一个存储池 (VG), 然后划分虚拟分区…...

Swift开发——弱占用

自动引用计数(Automatic Reference Counting&#xff0c;ARC)&#xff0c;是Swift语言管理类的实例的方式。当创建某个类的一个新实例后&#xff0c;ARC自动为新实例分配内存空间&#xff0c;用于保存实例的类型和存储属性&#xff0c;当将该实例赋给常量、变量或其他实例的属性…...

化工电力系统RFID无线测温技术的重要性。

在现代工业体系中&#xff0c;化工电力系统的安全与效率对于整个生产链的顺畅运行至关重要。在日常工作中,由于设备制造的原因,设备受环境污染的原因、设备长期运行、严重超载运行、触点氧化、电弧冲击等原因造接触电阻增大,因此在运行时往往不断发热,温度不断上升,给设备安全运…...

Linux系统:线程互斥

Linux系统&#xff1a;线程互斥 线程互斥互斥锁 mutex互斥锁原理 常见的锁死锁自旋锁 spinlock其它锁 线程互斥 讲解线程互斥前&#xff0c;先看到一个抢票案例&#xff1a; class customer { public:int _ticket_num 0;pthread_t _tid;string _name; };int g_ticket 10000…...

【网络协议栈】TCP/IP相关知识点收集

TCP/IP知识点收集 1 TCP分段 在TCP/IP协议栈中&#xff0c;“MSS”&#xff08;Maximum Segment Size&#xff09;是一个关键参数&#xff0c;它指定了TCP协议在发送数据时可以使用的最大数据段&#xff08;segment&#xff09;的大小。这个参数是TCP连接建立时通过三次握手&…...

Java开发中的常用字段校验注解

在 Java 开发中&#xff0c;数据校验是确保应用程序的数据完整性和一致性的重要步骤。Java 提供了一系列注解来简化数据校验的过程&#xff0c;以下是一些常用的字段校验注解及其示例代码&#xff1a; NotNull NotNull 用于确保字段不为 null&#xff0c;适用于任何类型的字段…...

轻量级网页自动化工具 xiaoclaw:基于 CDP 的高效实践指南

1. 项目概述&#xff1a;一个轻量级、可编程的网页自动化工具最近在折腾一些需要自动处理网页数据的小项目&#xff0c;比如定时抓取某个网站的价格变动、自动填写表单、或者模拟一些重复性的点击操作。一开始想用传统的Selenium&#xff0c;但总觉得它有点“重”&#xff0c;启…...

【2024最新】ChatGPT联网搜索避坑白皮书:已踩过137次坑的技术总监总结出的6条铁律

更多请点击&#xff1a; https://intelliparadigm.com 第一章&#xff1a;ChatGPT联网搜索功能的核心机制与能力边界 ChatGPT 的联网搜索功能并非内置实时浏览器&#xff0c;而是通过插件&#xff08;如 Bing Search Plugin&#xff09;或企业级 API 集成方式&#xff0c;在用…...

别只盯着原理图:聊聊Cadence Virtuoso里带隙基准的版图匹配那些坑

带隙基准版图匹配实战&#xff1a;从原理图到后仿真的关键陷阱解析 当你在Cadence Virtuoso中完成了一个温漂仅2.6ppm的带隙基准电路设计&#xff0c;原理图仿真结果堪称完美——直到你开始画版图。这时你会发现&#xff0c;那些在原理图中对称排列的晶体管&#xff0c;在实际硅…...

【紧急预警】NotebookLM在广义相对论语境下的概念漂移现象:基于57篇PRL论文的偏差审计报告

更多请点击&#xff1a; https://intelliparadigm.com 第一章&#xff1a;【紧急预警】NotebookLM在广义相对论语境下的概念漂移现象&#xff1a;基于57篇PRL论文的偏差审计报告 现象复现与基准测试协议 我们在标准LIGO-PRL语料集&#xff08;v2.3&#xff09;上对NotebookLM…...

跨境电商团队如何用Taotoken调用AI模型批量生成多语言商品描述

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 跨境电商团队如何用Taotoken调用AI模型批量生成多语言商品描述 对于跨境电商运营团队而言&#xff0c;为海量商品生成不同语言版本…...

GraphGym高级特性:动态图学习与多任务图神经网络

GraphGym高级特性&#xff1a;动态图学习与多任务图神经网络 【免费下载链接】GraphGym Platform for designing and evaluating Graph Neural Networks (GNN) 项目地址: https://gitcode.com/gh_mirrors/gr/GraphGym GraphGym是一个强大的图神经网络&#xff08;GNN&am…...

ARM架构BRBSRCINJ_EL1寄存器解析与分支记录调试

1. ARM架构中的分支记录缓冲区概述在ARMv8.4架构中引入的分支记录缓冲区(Branch Record Buffer, BRB)是一项重要的调试和性能分析功能。作为FEAT_BRBE扩展的核心组件&#xff0c;BRB能够自动记录程序执行过程中的分支指令信息&#xff0c;为开发者提供程序控制流的详细视图。BR…...

LangGraph实战:从链式到图式AI工作流开发指南

1. 项目概述&#xff1a;为什么我们需要一个“Awesome-LangGraph”&#xff1f;如果你最近在折腾AI应用开发&#xff0c;尤其是那些需要让多个AI智能体协同工作、或者构建复杂业务流程的应用&#xff0c;那你大概率已经听过或者用过LangChain。LangChain确实是个好框架&#xf…...

OpencvSharp 算子学习教案之 - Cv2.Accumulate

OpencvSharp 算子学习教案之 - Cv2.Accumulate 大家好&#xff0c;Opencv在很多工程项目中都会用到&#xff0c;而OpencvSharp则是以C#开发与实现的Opencv操作库&#xff0c;对.NET开发人员友好&#xff0c;但很多API的中文资料、应用场景及常见坑点等缺乏系统性归纳&#xff…...

Android性能与功耗深度优化:从理论到实践

引言 在当今移动互联网时代,用户体验是应用成功的关键因素之一。流畅的操作、快速的响应、持久的续航,这些都与应用的性能和功耗表现息息相关。对于Android开发工程师而言,深入理解系统机制并掌握性能与功耗优化技术,已从加分项变为必备技能。特别是在金融、游戏、直播等对…...