이 문서에서는 워크플로를 설명하고 REST를 사용하여 각 단계를 설명합니다. REST API의 각 최신 버전에는 새로운 기능이 추가됩니다. 기본 워크플로와 각 API 버전이 제공하는 내용을 이해한 후에 테스트 및 프로덕션 코드에서 이러한 기능을 사용하는 방법에 대한 지침을 위해 azure-search-Vector-samples 리포지토리의 Azure SDK 코드 샘플을 계속 사용하세요.
모든 지역 및 모든 계층의 Azure AI 검색. 대부분의 기존 서비스는 벡터 검색을 지원합니다. 2019년 1월 이전에 만들어진 서비스의 경우 벡터 인덱스를 만들 수 없는 작은 하위 집합이 있습니다. 이런 상황에서는 새로운 서비스를 만들어야 합니다.
Azure SDK 및 REST API 의 일반 공급 버전을 사용하는 경우 원본 문서에 기존 벡터 포함이 있습니다. 자세한 내용은 포함 생성을 참조하세요. 대안은 통합 벡터화(미리 보기)입니다.
포함을 만드는 데 사용되는 모델의 차원 제한과 유사성이 계산되는 방법을 알아야 합니다. Azure OpenAI에서 text-embedding-ada-002의 경우 숫자 벡터의 길이는 1536입니다. 유사성은 cosine을 사용하여 계산됩니다. 유효한 값은 2에서 3072까지입니다.
인덱스 만들기에 익숙해야 합니다. 스키마에는 문서 키에 대한 필드, 검색하거나 필터링하려는 기타 필드, 인덱싱 및 쿼리 중에 필요한 동작에 대한 기타 구성이 포함되어야 합니다.
인덱싱을 위한 문서 준비
인덱싱하기 전에 벡터 및 비 벡터 데이터 필드를 포함하는 문서 페이로드를 어셈블합니다. 문서 구조는 인덱스 스키마를 준수해야 합니다.
문서는 다음과 같아야 합니다.
각 문서를 고유하게 식별하는 필드 또는 메타데이터 속성을 제공합니다. 모든 검색 인덱스에는 문서 키가 필요합니다. 문서 키 요구 사항을 충족하려면 인덱스에서 해당 문서를 고유하게 식별할 수 있는 하나의 필드 또는 속성이 원본 문서에 있어야 합니다. 이 원본 필드는 검색 인덱스에서 Edm.String 및 key=true 형식의 인덱스 필드에 매핑해야 합니다.
벡터 데이터(단정밀도 부동 소수점 숫자 배열)를 원본 필드에 제공합니다.
벡터 필드는 포함 모델에서 생성된 숫자 데이터를 포함하며, 필드당 하나의 포함이 있습니다. 텍스트 문서의 경우 text-embedding-ada-002, 이미지의 경우 Image Retrieval REST API와 같은 Azure OpenAI의 포함 모델을 사용하는 것이 좋습니다. 인덱스 최상위 벡터 필드만 지원됩니다. 벡터 하위 필드는 현재 지원되지 않습니다.
전체 텍스트 검색 또는 의미 체계 순위를 쿼리 응답 및 동일한 요청에 포함하는 하이브리드 쿼리 시나리오에 대해 사람이 읽을 수 있는 영숫자 콘텐츠를 다른 필드에 제공합니다.
검색 인덱스는 지원하려는 모든 쿼리 시나리오에 대한 필드와 콘텐츠를 포함해야 합니다. 제품 이름, 버전, 메타데이터 또는 주소를 검색하거나 필터링한다고 가정합니다. 이 경우 유사성 검색은 특히 유용하지 않습니다. 키워드 검색, 지리적 검색 또는 필터를 선택하는 것이 좋습니다. 벡터 및 비 벡터 데이터의 포괄적인 필드 컬렉션을 포함하는 검색 인덱스는 최대 유연성을 쿼리 생성 및 응답 구성에 제공합니다.
벡터 필드와 비 벡터 필드를 포함하는 문서 페이로드의 간단한 예제는 이 문서의 벡터 데이터 로드 섹션에 있습니다.
벡터 검색 구성 추가
벡터 구성은 인덱싱하는 동안 사용되는 벡터 검색 알고리즘과 매개 변수를 지정하여 벡터 노드 간에 "가장 인접한 항목" 정보를 만듭니다.
HNSW(Hierarchical Navigable Small World)
exhaustive KNN
필드에서 HNSW를 선택하면 쿼리 시 exhaustive KNN을 선택할 수 있습니다. 그러나 다른 방향은 작동하지 않습니다. exhaustive를 선택하면 근사 검색을 사용하도록 설정하는 추가 데이터 구조가 없으므로 나중에 HNSW 검색을 요청할 수 없습니다.
미리 보기에서 안정적인 버전으로의 마이그레이션 지침을 찾고 있나요? 단계는 REST API 업그레이드를 참조하세요.
vectorSearch.compressions.kind 해야 scalarQuantization합니다.
rerankWithOriginalVectors는 원래의 압축되지 않은 벡터를 사용하여 유사성을 다시 계산하고 초기 검색 쿼리에서 반환된 상위 결과의 순위를 다시 지정합니다. 압축되지 않은 벡터는 stored가 false인 경우에도 검색 인덱스에 존재합니다. 이 속성은 선택 사항입니다. 기본값은 true입니다.
defaultOversampling은 양자화로 인한 정보 감소를 상쇄하기 위해 더 광범위한 잠재적 결과 집합을 고려합니다. 잠재적 결과에 대한 수식은 오버샘플링 승수와 함께 쿼리의 k로 구성됩니다. 예를 들어 쿼리에서 k를 5로 지정하고 오버샘플링이 20인 경우 쿼리는 해당 목적으로 압축되지 않은 원래 벡터를 사용하여 순위 재지정에 사용할 문서 100개를 효과적으로 요청합니다. 상위 k개의 순위 변경 결과만 반환됩니다. 이 속성은 선택 사항입니다. 기본값은 4입니다.
quantizedDataType는 int8로 설정해야 합니다. 현재 지원되는 유일한 기본 데이터 형식입니다. 이 속성은 선택 사항입니다. 기본값은 int8입니다.
다음 특성을 사용하여 벡터 필드를 정의합니다. 필드당 하나의 생성된 포함을 저장할 수 있습니다. 각 벡터 필드는 다음과 같습니다.
이 API 버전에서는 type이 Collection(Edm.Single)이어야 합니다.
dimensions는 포함 모델에서 생성된 차원의 수입니다. text-embedding-ada-002의 경우 1536입니다.
vectorSearchProfile은 인덱스의 다른 위치에 정의된 프로필의 이름입니다.
searchable은 true여야 합니다.
retrievable은 true 또는 false일 수 있습니다. true는 원시 벡터(1,536개)를 일반 텍스트로 반환하고 스토리지 공간을 소비합니다. 벡터 결과를 다운스트림 앱에 전달하는 경우 true로 설정합니다.
filterable, facetable, sortable은 false여야 합니다.
벡터 쿼리에서 사전 필터링 또는 사후 필터링을 호출하려면 filterable이 true로 설정된 "title"과 같은 필터링 가능한 비 벡터 필드를 컬렉션에 추가합니다.
인덱싱하는 텍스트 콘텐츠의 내용과 구조를 정의하는 다른 필드를 추가합니다. 최소한 문서 키가 필요합니다.
쿼리 또는 응답에 유용한 필드도 추가해야 합니다. 다음 예제에서는 벡터와 동일한 제목 및 콘텐츠("titleVector", "contentVector")에 대한 벡터 필드를 보여줍니다. 검색 결과에서 정렬, 필터링 및 읽기에 유용한 동일한 텍스트 콘텐츠에 대한 필드("title", "title")도 제공합니다.
벡터 필드를 필드 컬렉션에 추가합니다. 문서 필드당 하나의 생성된 포함을 저장할 수 있습니다. 각 벡터 필드는 다음과 같습니다.
type은 Collection(Edm.Single), Collection(Edm.Half), Collection(Edm.Int16), Collection(Edm.SByte)일 수 있습니다.
dimensions는 포함 모델에서 생성된 차원의 수입니다. text-embedding-ada-002의 경우 1536입니다.
vectorSearchProfile은 인덱스의 다른 위치에 정의된 프로필의 이름입니다.
searchable은 true여야 합니다.
retrievable은 true 또는 false일 수 있습니다. true는 원시 벡터(1,536개)를 일반 텍스트로 반환하고 스토리지 공간을 소비합니다. 벡터 결과를 다운스트림 앱에 전달하는 경우 true로 설정합니다. stored가 false인 경우 false가 필요합니다.
stored는 벡터 필드에만 적용되는 새로운 부울 속성입니다. True는 검색 결과에 반환된 벡터의 복사본을 저장합니다. False는 인덱싱 중에 해당 복사본을 취소합니다. 벡터를 검색할 수 있지만 결과에 벡터를 반환할 수는 없습니다.
다음 REST API 예제에서 "title" 및 "content"는 전체 텍스트 검색 및 의미 체계 순위에 사용되는 텍스트 콘텐츠를 포함하고, "titleVector" 및 "contentVector"는 벡터 데이터를 포함합니다. 이 API 버전에서는 인덱서와 기술 세트를 사용하여 통합 벡터화를 통해 벡터 필드를 채울 수 있습니다. 인덱스 정의는 변경되지 않지만 솔루션에 인덱서 및 기술을 추가하여 필드를 채울 수 있습니다.
벡터 필드를 필드 컬렉션에 추가합니다. 문서 필드당 하나의 생성된 포함을 저장할 수 있습니다. 각 벡터 필드는 다음과 같습니다.
type 해야 Collection(Edm.Single)합니다.
dimensions는 포함 모델에서 생성된 차원의 수입니다. text-embedding-ada-002의 경우 1536입니다.
vectorSearchProfile은 인덱스의 다른 위치에 정의된 프로필의 이름입니다.
searchable은 true여야 합니다.
retrievable은 true 또는 false일 수 있습니다. true는 원시 벡터(1,536개)를 일반 텍스트로 반환하고 스토리지 공간을 소비합니다. 벡터 결과를 다운스트림 앱에 전달하는 경우 true로 설정합니다.
filterable, facetable, sortable은 false여야 합니다.
[벡터 쿼리](vector-search-how-to-query.md)에서 사전 필터링 또는 사후 필터링을 호출하려면 filterable이 true로 설정된 "title"과 같은 필터링 가능한 비 벡터 필드를 컬렉션에 추가합니다.
인덱싱하는 텍스트 콘텐츠의 내용과 구조를 정의하는 다른 필드를 추가합니다. 최소한 문서 키가 필요합니다.
쿼리 또는 응답에 유용한 필드도 추가해야 합니다. 다음 예제에서는 벡터와 동일한 제목 및 콘텐츠("titleVector", "contentVector")에 대한 벡터 필드를 보여줍니다. 검색 결과에서 정렬, 필터링 및 읽기에 유용한 동일한 텍스트 콘텐츠에 대한 필드("title", "title")도 제공합니다.
벡터 필드를 필드 컬렉션에 추가합니다. 문서 필드당 하나의 생성된 포함을 저장할 수 있습니다. 각 벡터 필드는 다음과 같습니다.
Collection(Edm.Single) 데이터 형식을 할당합니다.
벡터 검색 알고리즘 구성의 이름을 제공합니다.
포함 모델에서 생성된 차원의 수를 제공합니다.
특성을 다음과 같이 설정합니다.
"searchable"은 "true"여야 합니다.
"retrievable"을 "true"로 설정하면 원시 벡터를 표시할 수 있지만(예: 확인 단계로) 이렇게 하면 스토리지가 증가합니다. 원시 벡터를 반환할 필요가 없는 경우 "false"로 설정합니다. 쿼리에 대해 벡터를 반환할 필요는 없지만 벡터 결과를 다운스트림 앱에 전달하는 경우 "retrievable"을 "true"로 설정합니다.
"filterable", "facetable", "sortable" 특성은 "false"여야 합니다. 이러한 동작은 벡터 필드의 컨텍스트 내에서 적용되지 않고 요청이 실패하므로 "true"로 설정하지 마세요.
인덱싱하는 텍스트 콘텐츠의 내용과 구조를 정의하는 다른 필드를 추가합니다. 최소한 문서 키가 필요합니다.
쿼리 또는 응답에 유용한 필드도 추가해야 합니다. 다음 예제에서는 벡터와 동일한 제목 및 콘텐츠("titleVector", "contentVector")에 대한 벡터 필드를 보여줍니다. 검색 결과에서 정렬, 필터링 및 읽기에 유용한 동일한 텍스트 콘텐츠에 대한 필드("title", "title")도 제공합니다.
POST https://{{search-service-name}}.search.windows.net/indexes/{{index-name}}/docs/index?api-version=2023-11-01
Content-Type: application/json
api-key: {{admin-api-key}}
{
"value": [
{
"id": "1",
"title": "Azure App Service",
"content": "Azure App Service is a fully managed platform for building, deploying, and scaling web apps. You can host web apps, mobile app backends, and RESTful APIs. It supports a variety of programming languages and frameworks, such as .NET, Java, Node.js, Python, and PHP. The service offers built-in auto-scaling and load balancing capabilities. It also provides integration with other Azure services, such as Azure DevOps, GitHub, and Bitbucket.",
"category": "Web",
"titleVector": [
-0.02250031754374504,
. . .
],
"contentVector": [
-0.024740582332015038,
. . .
],
"@search.action": "upload"
},
{
"id": "2",
"title": "Azure Functions",
"content": "Azure Functions is a serverless compute service that enables you to run code on-demand without having to manage infrastructure. It allows you to build and deploy event-driven applications that automatically scale with your workload. Functions support various languages, including C#, F#, Node.js, Python, and Java. It offers a variety of triggers and bindings to integrate with other Azure services and external services. You only pay for the compute time you consume.",
"category": "Compute",
"titleVector": [
-0.020159931853413582,
. . .
],
"contentVector": [
-0.02780858241021633,
. . .
],
"@search.action": "upload"
}
. . .
]
}
모든 최신 미리 보기 릴리스에서는 인덱싱 및 쿼리 시간 동안 통합 벡터화를 위해 끌어오기 API(인덱서 및 기술 세트)를 사용합니다.
인덱서는 벡터 필드 요구 사항과 미리 보기 REST API를 충족하는 인덱스 스키마를 가정하여 원본 문서에서 벡터 필드를 검색하고 인덱싱할 수 있습니다. 데이터 원본은 벡터를 해당 데이터 원본에서 지원하는 모든 형식(예: JSON의 문자열)으로 제공합니다. 인덱서는 Collection(Edm.Single)로 입력된 필드에서 벡터를 포함하고 있다고 가정하고 해당 콘텐츠를 벡터 인덱스로 인덱싱합니다.
벡터에 대한 필드 매핑 동작 또는 변경 내용 검색은 변경되지 않습니다. 텍스트 인덱싱에 대한 동작은 벡터에도 적용됩니다.
벡터 데이터가 파일에서 원본으로 사용되는 경우 데이터 셰이프에 따라 json, jsonLines 또는 csv와 같이 기본이 아닌 parsingMode를 사용하는 것이 좋습니다.
유효성 검사를 위해 Azure Portal의 검색 탐색기 또는 REST API 호출을 사용하여 인덱스를 쿼리할 수 있습니다. Azure AI 검색에서는 벡터를 사람이 읽을 수 있는 텍스트로 변환할 수 없으므로 동일한 문서에서 일치 증거를 제공하는 필드를 하도록 시도합니다. 예를 들어 벡터 쿼리에서 "titleVector" 필드를 대상으로 하는 경우 검색 결과에 대해 "title"을 선택할 수 있습니다.
인덱스에 벡터가 포함되어 있는지 빠르게 확인하려면 기본 쿼리 보기를 사용합니다. 쿼리 보기는 전체 텍스트 검색을 위한 것입니다. 벡터 쿼리에는 사용할 수 없지만 빈 검색(search=*)을 보내 콘텐츠를 확인할 수 있습니다. 벡터 필드를 포함한 모든 필드의 콘텐츠는 일반 텍스트로 반환됩니다.
다음 REST API 예제는 벡터 쿼리이지만 비 벡터 필드(title, content, category)만 반환합니다. "retrievable"로 표시된 필드만 검색 결과에서 반환될 수 있습니다.