乐趣区

关于redis:DocArray-0210版本发布新增OpenSearch后端存储支持Redis后端存储的多语言文本搜索

jiezi

DocArray 是一个用于解决、传输和存储多模态数据的 Python 工具包。DocArray 提供便捷的多模态数据处理性能，具备基于 Protobuf 提供高性能的网络传输性能，同时也为多种向量存储计划提供对立的 API 接口。

💡 DocArray 于 2022 年 1 月在开源 Apache 许可证 2.0 下公布。目前，它是 LF AI \& Data Foundation 下的沙盒我的项目。
🌟 GitHub: https://github.com/docarray
🧑‍🤝‍🧑 Discord 社区: https://discord.gg/WaMp6PVPgR
📖 官网文档：https://docarray.jina.ai/

此版本蕴含 3 项新性能，7 项谬误修改和 5 项文档改良。

新性能

📦 OpenSearch 后端存储(#853)

当初 DocArray 减少了一个新的后端存储：OpenSearch！您能够应用 OpenSearch 后端存储对 Document 进行索引，并对它们进行 ANN 搜寻。

from docarray import Document, DocumentArray  
import numpy as np  
  
# Connect to OpenSearch instance  
n_dim = 3  
  
da = DocumentArray(  
    storage='opensearch',  
    config={'n_dim': n_dim},  
)  
  
# Index Documents  
with da:  
    da.extend(  
        [Document(id=f'r{i}', embedding=i * np.ones(n_dim))  
            for i in range(10)  
        ]  
    )  
  
# Perform ANN search  
np_query = np.ones(n_dim) * 8  
results = da.find(np_query, limit=10)

此外，OpenSearch 后端存储还反对 过滤查问 ， 按文本搜寻 和  按标签搜寻。无关其用法的更多信息，请参阅 官网文档。

🎨 减少 Point Cloud 显示的色彩(#961)

当初您能够在 point cloud 数据中蕴含色彩信息，能够应用 display_point_cloud_tensor()可视化：

`coords = np.load(‘a_red_motorbike/coords.npy’)
colors = np.load(‘a_red_motorbike/coord_colors.npy’)

doc = Document(
    tensor=coords,
    chunks=DocumentArray([Document(tensor=colors, name=’point_cloud_colors’)])
)
doc.display()
`

🌎 反对 Redis 后端存储的多语言文本搜寻(#953)

Redis 后端存储当初反对各种反对的语言的文本搜寻。要设置所需语言，请在 Redis 配置中更改语言参数：

da = DocumentArray(  
    storage='redis',  
    config={  
        'n_dim': 128,  
        'index_text': True,  
        'language': 'chinese',  
    },  
)

谬误修改 🐞

1. 用空格替换换行符来修复图像中的显示(#963)

当文档字段中蕴含字符串 '\n' 时，doc.plot()会导致渲染谬误。这次修复了这些谬误，将 '\n' 渲染为空格。

2. 修改 to_pydantic_model() 中不须要的强制转换(#949)

此谬误导致当调用 to_pydantic_model() 或 to_dict() 时，所有模式为 'Infinity' 的字符串都会被强制转换为字符串 'inf'。当初曾经修复，这些字符串将保留不变。

3. 在索引上而不是查问上计算相干文档(#950)

在 embed_and_evaluate() 办法中，每个标签的相干文档数量原先是基于 document 本身计算的。这不个别正确，因而在此修复之后，依据索引数据中的文档计算量。

4. 删除列表类型偏移索引创立(#936)

当文档存储禁用了列表行为的性能时，它不再创立 id 映射的偏移量，这进步了性能。

5. 增加对近程音频文件的反对(#933)

从近程 URL 加载音频文件会导致 FileNotFoundError，当初曾经修复。

6. 查问运算符 $exists 与标签不正确(#911)(#923)

在修复之前，$exists 会将 false-y 值 (如 0 或 []) 视为不存在。当初曾经修复。

7. 从单例列表中的数据类获取文档(#1018)

当应用 dataclass 创立多模态 Document 时，即便相应字段被正文为 List[...]，单例的列表也被视为单个元素。当初咱们曾经思考了这种状况，即便对于繁多输出，拜访这样的字段也将是产生 DocumentArray。

文档改良 📗

  • 新增 DocArray Discord 社区链接(#1010)
  • 缩小版本以防止部署超时(#977)
  • 修改数据管理局部在文档中未呈现(#967)
  • 在侧边栏中链接到 OpenSearch 文档(#960)
  • 将“多模态”批改为“数据类型”(#934)

贡献者 🤟

咱们要感激本次公布的所有贡献者！

  • Jay Bhambhani (@jay-bhambhani)
  • Alvin Prayuda (@alphinside)
  • Johannes Messner (@JohannesMessne)
  • samsja (@samsja)
  • Marco Luca Sbodio (@marcosbodio)
  • Anne Yang (@AnneYang720)
  • AlaeddineAbdessalem (@alaeddine-13)
  • Han Xiao (@hanxiao)
  • Alex Cureton-Griffiths (@alexcg1)
  • Charlotte Gerhaher (@anna-charlotte)
退出移动版