Англійський словник для розробників Meilisearch

Meilisearch є відкритим кодом, зручним для розробників пошуковим рушієм, відомим своєю швидкою налаштовуванням, терпимістю до помилок друку і чистим REST API. Він використовується для додавання потужних можливостей пошуку до програм без операційної складності Elasticsearch. Meilisearch має певний словник — індекси, атрибути, що можна фільтрувати, фасетування, гібридний і векторний пошук — який інженерам потрібно розуміти, щоб правильно налаштувати пошук і чітко спілкуватися з колегами. У цьому повідомленні описано основні терміни, з якими ви зіткнетеся під час створення з Meilisearch.

Ключовий словник

** Індекс ** Фундаментальний організаційний підрозділ у Meilisearch. Індекс містить збірку документів, які можна шукати разом. Кожен індекс має свої власні параметри (атрибути, які можна фільтрувати, правила ранжування тощо) і визначається унікальною назвою рядка. Індекс можна розглядати як таблицю бази даних з обсягом пошуку.

• Приклад: « Створити окремий індекс для продуктів і інший для статей блогу — кожен індекс має різні правила ранжування і атрибути, які можна відфільтрувати, тому їх розділення полегшить налаштування ». *

Документи Записи, збережені всередині індексу Meilisearch. Кожен документ є об’ єктом JSON з унікальним ідентифікатором (типово поле id) і будь- якою кількістю інших полів. Типово, Meilisearch індексує всі рядкові поля для повнотекстового пошуку.

• Приклад: « Додати документи до індексу продуктів за допомогою кінцевої точки POST /indexes/products/documents — Meilisearch зробить їх пошуковими за мілісекунди. » *

** Параметри пошуку ** Параметри, які ви передаєте у запиту пошуку, щоб налаштувати спосіб повернення результатів. Поширені параметри включають q (пошуковий запит), filter, sort, limit, offset, facets, і attributesToRetrieve. Правильне складання цих параметрів є основою створення запиту Meilisearch. Приклад: “Використовуйте параметр пошуку filter, щоб обмежити результати до товарів, що є на складі, sort, щоб замовити за ціною, і facets, щоб повернути кількість категорій поруч з результатами.”

** Атрибути, які можна фільтрувати ** Поля, які ви визначили як фільтрувані у параметрах індексу. Тільки поля, перераховані в filterableAttributes, можуть бути використані у виразах filter під час пошуку. Вам слід налаштувати це, щоб фільтри працювали.

• Приклад: « Додати category, brand, і in_stock до filterableAttributes у параметрах індексу — інтерфейс намагається відфільтрувати за цими полями і зараз отримує помилку. » *

** Атрибути, які можна впорядковувати ** Поля, налаштовані у sortableAttributes, які можна використовувати у виразах sort. Як і атрибути, які можна фільтрувати, ці атрибути слід оголосити у параметрах, перш ніж їх можна буде використовувати під час пошуку. Додання поля до атрибутів, які можна впорядковувати, має вартість індексування. Приклад: «Додати price і rating до sortableAttributes — користувачі повинні мати можливість сортувати результати пошуку за зростанням ціни і за середнім рейтингом.»

Свертывание Функція, яка повертає об’ єднану кількість документів за значенням атрибута поряд з результатами пошуку, наприклад, « Електроника (42), Одежда (18), Книги (7) ». Функція Facets забезпечує роботу бічних панелей фільтрів, що є звичайними у інтерфейсах пошуку електронної комерції. Приклад: “Увімкніть фасетування на category і brand — нам потрібні підрахунки для відтворення бічної панелі фільтра, щоб користувачі могли сушити результати без повторного запиту для кожної комбінації.”

Гібридний пошук Режим пошуку, який поєднує традиційний пошук за ключовими словами (ранжування відповідності BM25) з векторним пошуком (семантична схожість) у одному запиту, використовуючи налаштовуваний semanticRatio для оцінки двох сигналів. Це дає результати, які відповідають як точним термінам, так і пов’ язаним поняттям. Приклад: «Переключитися на гібридний пошук з semanticRatio 0.5 — користувачі, що шукають «сумка для ноутбука», повинні також знайти результати для «вкладка для ноутбука», навіть якщо ці слова не вказані в запиту.»

** Векторний пошук ** Режим пошуку, у якому документи буде отримано на основі семантичної схожості з вбудованим запитом, а не на основі перетинів ключових слів. Meilisearch може зберігати вбудовані вектори разом з документами і використовувати їх для пошуку найближчого сусіда під час пошуку. Приклад: “Створити вбудовування для кожного опису продукту за допомогою вбудовування моделі і зберігати їх в полі _vectors — потім ввімкнути векторний пошук для пошуку семантично схожих продуктів.”

Як використовувати цей словник

Обговорення налаштування Meilisearch зазвичай слідують певному шаблону: визначити індекс, додати документи, а потім налаштувати параметри (атрибути, які можна фільтрувати, атрибути, які можна впорядковувати, правила ранжування). Зазвичай команди роблять таку помилку: додають документи до налаштування параметрів, а потім виявляється, що поля фільтра не налаштовано — для цього слід оновити параметри і почекати на переіндексування.

Обговорення параметрів пошуку часто включають компроміси між limit (скільки результатів на сторінку), facets (які атрибути агрегувати) і sort (як впорядковувати результати). Команди також обговорюють, коли ввімкнути гібридний або векторний пошук - зазвичай, коли пошук за ключовими словами сам по собі не дає відповідних результатів для нечітких або концептуальних запитів.

Приклад розмови

** Дана: ** Пошук “бездротових навушників” не повертає результатів з шумозаглушенням, навіть якщо ми їх маємо на складі. Звучит как ключевой пробел. Ви пробували гібридний пошук? Встановіть semanticRatio на 0. 3 і подивіться, чи семантичне значення підбирає співвідношення. Хорошая идея. Також, мені потрібно додати noise_canceling до filterableAttributes — панель фільтрів ще не працює для цього поля. Кріс: Оновити параметри і переіндексувати. За пару секунд все буде в режимі реального часу.

Practice

1. Створення індексу Meilisearch для програми пошуку рецептів. Визначте принаймні три поля, які повинні бути filterableAttributes (наприклад, дієтичні обмеження, тип кухні) і два, які повинні бути sortableAttributes. Записати налаштування простою англійською мовою.
2. Пояснити молодшому розробнику різницю між атрибутами, які можна фільтрувати, і параметрами пошуку. Використовувати приклад пошуку у ресторані: що налаштовується один раз у параметрах, а що надсилається з кожним запитом пошуку?
3. Напишіть короткий абзац, у якому описайте, коли ви використовуватимете гібридний пошук замість пошуку за ключовими словами, з якого значення semanticRatio ви почнете і чому.

Пошуковий алгоритмічний інструмент: пошуковий алгоритмічний інструмент для пошуку даних

Зрозуміти основні концепції Meilisearch - індекси, документи, фільтри, аспекти - це одне. Ефективне спілкування про них в команді розробників, особливо при обговоренні продуктивності, змін або проблем з усунення несправностей, вимагає трохи іншого набору навичок. Це не просто знати * визначення *; це про розпізнавання звичайних фраз і як професіонали описують поведінку пошуку і відносини даних. Значна перешкода для не-рідних англомовних носіїв часто полягає в тонких відмінностях у термінології і в тому, як ці поняття зазвичай обговорюються в гнучких середовищах розробки. Наприклад, сказати «індекс повільний» недостатньо; вам потрібно сформулювати * чому * він повільний - це проблема запиту, проблема індексації або проблема обсягу даних? Аналогічно, опис складного ланцюга фільтрів вимагає точної мови, щоб уникнути неоднозначності і забезпечити, щоб кожен розумів заплановану поведінку.

Однією з областей, де часто виникає плутанина, є «гібридний пошук» і його вплив на результати. Замість того, щоб просто сказати «гібридний пошук не працює», більш конструктивний підхід буде таким: «Ми бачимо помітне зниження оцінок релевантності для запитів, що використовують конфігурацію гібридного пошуку. Поточний вага повнотекстового і векторного пошуку, здається, сприяє цій проблемі; ми повинні дослідити налаштування параметра minScore.” Ця фраза негайно підкреслює конкретну область, що потребує уваги - вага - і пропонує конкретну дію (дослідження). Інша поширена фраза, яку ви почуєте, це «затримка запиту», яка стосується часу, який Meilisearch витрачає на відповідь на запит пошуку. Це набагато більш інформаційне повідомлення, ніж просто « запит повільний ». Крім того, ви можете зустріти обговорення щодо « токенізації » і « стволування », термінів, які, хоча і технічно точні, найкраще пояснити простішими словами, коли йдеться про вплив на швидкість або точність пошуку.

Крім того, будьте уважні до того, як ви описуєте зміни до індексу. Замість нечіткого « оновили індекс », скористайтеся такими словами: « Впроваджено поступове оновлення індексу products, включено нові дані про продукт і оптимізовано конвеєр індексування для прискорення роботи ». Такий рівень деталізації надає змогу рецензентам оцінити вплив зміни і зрозуміти всі можливі побічні ефекти. Наконец, помните, что сотрудничество - это ключ. Якщо ви не впевнені в тому, що стосується терміну або концепції, завжди запитуйте про пояснення - це набагато краще помилятися на стороні точності, ніж робити припущення, засновані на неповну розуміння.

Ось приклад того, як Meilisearch можна використовувати у практичному випадку:

meilissearch sync --url http://localhost:8080/ --collection products --data '{"name": "Laptop", "description": "A powerful laptop for developers."}'

За допомогою цієї команди можна продемонструвати найпростіший спосіб додавання нових даних до індексу. Команда sync у поєднанні з параметром data надає вам змогу швидко заповнити збірку Meilisearch новими документами. Важливо розуміти, що це лише один елемент більшого процесу індексування - моніторинг конвеєра індексування і забезпечення оптимальної продуктивності є рівно важливими обставинами при обговоренні даних пошуку.