View a markdown version of this page

Membuat indeks GPU-accelerated vektor - OpenSearch Layanan Amazon

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Membuat indeks GPU-accelerated vektor

Setelah GPU-acceleration mengaktifkan domain atau koleksi Anda, buat indeks vektor yang dapat memanfaatkan pemrosesan GPU.

catatan

Saat Anda membuat domain dengan GPU-acceleration diaktifkan, peng index.knn.remote_index_build.enabled aturannya true secara default. Anda tidak perlu mengatur pengaturan ini secara eksplisit saat membuat indeks. Untuk koleksi, Anda harus secara eksplisit menentukan nilai untuk pengaturan ini.

Creating index with GPU-acceleration

Contoh berikut membuat indeks vektor yang dioptimalkan untuk pemrosesan GPU. Indeks ini menyimpan vektor 768 dimensi (umum untuk penyematan teks).

PUT my-vector-index
{
  "settings": {
    "index.knn": true,
    "index.knn.remote_index_build.enabled": true
  },
  "mappings": {
    "properties": {
      "vector_field": {
        "type": "knn_vector",
        "dimension": 768
      },
      "text": {
        "type": "text"
      }
    }
  }
}

Elemen konfigurasi utama:

  • "index.knn": true- Mengaktifkan fungsi tetangga k-terdekat

  • "index.knn.remote_index_build.enabled": true- Mengaktifkan pemrosesan GPU untuk indeks ini. Ketika domain telah GPU-acceleration diaktifkan, tidak menentukan pengaturan ini default ketrue. Untuk koleksi, Anda harus secara eksplisit menentukan nilai untuk pengaturan ini.

  • "dimension": 768- Menentukan ukuran vektor (sesuaikan berdasarkan model embedding Anda)

Creating index without GPU-acceleration

Contoh berikut membuat indeks vektor di mana pemrosesan GPU dinonaktifkan. Indeks ini menyimpan vektor 768 dimensi (umum untuk penyematan teks).

PUT my-vector-index
{
  "settings": {
    "index.knn": true,
    "index.knn.remote_index_build.enabled": false
  },
  "mappings": {
    "properties": {
      "vector_field": {
        "type": "knn_vector",
        "dimension": 768
      },
      "text": {
        "type": "text"
      }
    }
  }
}