常见问题解答 FAQ
以下是用户常问的一些问题及其解答。
关键字搜索
什么是前缀搜索？
前缀搜索是指当您输入一个部分单词时，系统会返回所有以此部分单词开头的完整单词。假设数据集中有单词 example，而用户搜索 exa（前 3 个字符），在前缀搜索模式（prefix=true 搜索参数）下，仍会返回单词 example。
以下是一些在前缀搜索中将返回单词 example 作为匹配命中项的搜索示例：
eexexaexamexampexamplexample
前缀搜索特别适用于即输入即搜索体验，在用户输入部分单词时，立即显示结果，而不需要输入完整单词。
kumosearch 中默认启用前缀搜索。如果禁用前缀搜索（通过设置 prefix=false 作为搜索参数），那么只有完全输入 example 作为搜索关键字时才会返回结果，上述的所有其他子字符串都不会返回结果。
什么是中缀搜索？
中缀搜索允许在字符串中间进行匹配。仍然假设数据集中有单词 example，而用户搜索 xa（出现在字符串中间），默认情况下 kumosearch 不会返回它，因为默认仅启用了 前缀搜索。
要启用中缀搜索，必须在每个字段的索引表schema中显式启用它。可以在字段定义中添加infix: true 参数，
并在搜索时使用infix搜索参数。
中缀搜索是 CPU 密集型的，并且需要额外的内存。对于高流量用例，请务必对集群进行基准测试，以确保在启用此功能之前有足够的 CPU 容量。
如果单词中有 特殊字符，更有效的替代方法是在索引表schema中使用 token_separators，使 kumosearch 将单词索引为单独的标记，因此可以搜索每个 token，而无需进行中缀搜索。
如何处理特殊字符？
默认情况下，kumosearch 在索引之前删除所有特殊字符。可以使用 token_separators 和 symbols_to_index 参数来控制此行为。
此处 有一篇详细的文章，介绍了在搜索不同类型的数据时如何使用这两个参数。
搜索短字符串时，没有得到所有结果。该如何解决？
默认情况下，出于性能原因，kumosearch 仅考虑前 4 个前缀匹配。
例如，搜索 ap，将匹配包含 apple、apply、apart、apron 或数据集中以 ap 开头的数百个类似单词中的任何一个的记录。此外，搜索 jofn 将匹配包含 john、joan 以及数据集中存在 1 个拼写错误的所有类似变体的记录。
但出于性能原因，kumosearch 默认情况下仅考虑前 4 个前缀和拼写错误变体。 4 可使用 max_candidates 搜索参数进行配置，详见此处。
简而言之，如果搜索诸如 a 之类的短词，并且并未返回所期望的所有记录，则需要将 max_candidates 增加
到更高的值，或在索引表schema中更改default_sorting_field 使用记录中的受欢
迎度分数来定义优先排序的值，否则 kumosearch 只会根据每个前缀的记录数量来定义优先排序的值。
为什么关键字的顺序会改变结果的数量？
通常有以下几个原因：
1、默认情况下，kumosearch 仅对搜索查询中的最后一个词进行前缀搜索。
例如：假设您搜索 hello worl，只有 worl 会用于前缀搜索，并且 hello 需要完全匹配。因此，对于 hello worl（前缀）搜索查询，将返回以下所有记录：
- ✅
hello world - ✅
hello worlds - ✅
hello worldwide - ✅
hello worldwide - ✅
hello worldy - ✅
hello worldly
但是，对于 hello world 的搜索查询将不会返回以下记录。 这是因为 hello 不是搜索查询中的最后一个词，因此不会进行前缀搜索。
- ❌
hellow world - ❌
hellowy world - ❌
hellos world - ❌
hellowing world
然而，如果翻转搜索词的顺序搜索 world hello，那么将返回上面的四个记录，因为现在 hello 被用作前缀搜索。
如果您想禁用前缀搜索，可以设置prefix=false。
2、默认情况下，当多关键字搜索查询没有找到结果时，kumosearch 将开始依次删除查询中的单词，并重复搜索，直到找到足够的结果。
足够 的定义可以使用drop_tokens_threshold 搜索参数进行配置，
而删除方向（从左到右或从右到左）可以使用drop_tokens_mode参数进行配置。
因此，如果搜索查询是 hello world，并且没有记录包含所有关键字，则 kumosearch 将删除 world 并重复搜索 hello。
现在，如果搜 索查询是 wordl hello，并且没有记录包含所有关键字，则 kumosearch 这次将删除 hello 并重复搜索，这将产生与上次不同的结果。
如何搜索多个索引表并将结果合并到一个排名列表中？
在进行联合/多重搜索时，kumosearch 每次命中返回的 text_match 分数可用于比较来自不同索引表的文档的相关性，并在客户端聚合结果。然而，使用这种客户端聚合方法，分页可能会变得很棘手。
另一种方法是将不同的文档类型存储在一个单一索引表中（需要在schema中将所有索引表字段设置为 optional: true），并添加一个 document_type 字段来标示记录类型，以便在应用程序中访问相应字段。
例如，假设有两种类型的数据，分别称为 product 和 article，并且希望在单个列表中显示结果。可以创建一个包含 product 和 article 的单一索引表，将所有字段设置为可选，并添加一个名为 document_type:product | Article 的字段来识别文档是 product 还是 article。当发送搜索查询时，两种类型的记录都会在同一排名列表中返回，并且可以使用 document_type 字段在搜索界面中直观地区分每种类型的记录。
语义搜索
如何微调语义搜索结果？
语义搜索结果的质量取决于以下几个因素：用于生成嵌入的机器学习模型、训练模型所用的数据集，以及嵌入的维度数等。
kumosearch 的工作原理是获取您的搜索查询，使用您指定的 ML 模型生成查询嵌入，然后进行最近邻向量搜索，并根据查询嵌入和每个文档嵌入之间的余弦相似度对结果进行排序。与标准关键字搜索不同，这种搜索模式没有文档 匹配 或 不匹配 的二元概念。相反，每个文档都有一个向量距离分数，用于定义它与查询嵌入的接近程度。
如果您发现通过语义搜索获得了太多不相关的结果，可以使用 vector_query 中的 distance_threshold 参数来选择适合您需求的阈值。了解更多信息请点击此处。
如果使用混合搜索，则可以使用 vector_query 的 alpha 参数控制关键字与语义匹配的权重。了解更多信息请点击此处。
还可以尝试使用不同的 ML 模型，选择使用更接近您领域的数据集进行训练，以生成更高质量的嵌入。
分面搜索
如何获取用户未过滤的值的构面计数？
假设您有一个食谱搜索网站，用户可以使用过滤器组件来过滤 ingredients：
当执行食谱搜索时，将获得 facet_by：ingredients 所有原料的分面计数。
当应用了 filter_by：ingredients：= Eggs，然后按 ingredients 进行分面，结果集将仅包含 ingredients 为 Eggs 的文档，因此分面计数将仅包含此值。
如仍希望向用户显示未过滤/未选择的项目的计数。例如，在上述情况中，您仍然希望获取 Eggs、Sugar、Butter 等的计数。要获取这些计数，需要执行第二次搜索查询，删除用户选择的 filter_by 参数，仅发送 facet_by：ingredients 参数。这样将获得所有其他未过滤项目的分面计数。
可以在 multi_search中更高效地执行第二个查询，这样只需一个HTTP请求。
如果有多个过滤器组件，则需要为每个组件单独发出一个附加查询。在这些查询中，移除当前组件的特定过滤器，同时保留其他所有过滤器。
要查看所需生成查询类型的实时示例，请访问 recipe.kumo-ai.tech/。
在搜索栏中输入 cake，然后单击 Eggs。
可在浏览器的开发者控制台网络选项卡中查找对 multi_search 的请求，并查看生成的查询结构。
过滤和分面有什么区别？
假设您有一个食谱数据网站，如下面的截图所示。
左侧每个 ingredients 旁边的计数是通过对 ingredients 字段进行分面获得的。
如果您单击 Butter 并且只想获取原料有 Butter 的歌曲，这就是过滤。
索引
当我同步数据时，为什么数据库中的所有记录都没有显示在 kumosearch 中？
如果您使用import API端点批量导入文件到 kumosearch，即使有少数文档导入失败了，该端点仍会返回 HTTP 200 成功状态码，以说明部分成功。
因此，即使在发生错误期间，您的 HTTP 客户端也可能不会报错。
请务必检查 API 响应中是否有任何 {success: false, ...} 记录，以查看是否存在任何导入失败的文档，这通常是由于schema验证错误导致的。
您可以使用 ?return_id=true查询参数让 kumosearch 返回出错的确切文档 ID。
系统资源监控
如何获取单个索引表或字段的内存使用情况？
kumosearch 不跟踪单个索引表或字段的内存使用情况。它仅跟踪聚合进程级别的内存指标。您可以使用GET /metrics.json访问这些指标端点。
如何使用 kumosearch 设置 HTTPS？
默认情况下，kumosearch 在端口 8868 上运行并提供 HTTP 流量。
要启用 HTTPS，您需要将api-port更改为 443，然后使用ssl-certificate 和 ssl-certificate-key参数分别指向您的 SSL 证书和 SSL 私钥。
LetsEncrypt 等提供商提供免费的 SSL 证书。