Elasticsearch 与 OpenSearch：解开向量搜索性能差距

from datetime import datetime
from elasticsearch import Elasticsearch
 
# 连接到Elasticsearch集群
es = Elasticsearch(hosts=["localhost:9200"])
 
# 创建一个新的OpenSearch客户端
opensearch = OpenSearch(
    hosts=["localhost:9200"],
    http_compress=True,  # 开启GZIP压缩
    http_auth=("admin", "admin123"),  # 基本认证
    use_ssl=True,  # 使用SSL
    verify_certs=True,  # 验证SSL证书
    ssl_assert_hostname=True,  # 开启主机名验证
    ssl_ca_certs="/path/to/ca.pem",  # CA证书路径
)
 
# 创建一个向量
vector = np.random.rand(10).tolist()
 
# 索引一个向量
doc_id = "doc_id"
opensearch.index(index="my-vector-index", id=doc_id, document={"vector": vector})
 
# 执行向量搜索
search_vector = np.random.rand(10).tolist()
search_query = {
    "query": "match_vector_score",
    "vector": search_vector,
    "field": "vector"
}
 
# 使用OpenSearch执行向量搜索
results = opensearch.search(index="my-vector-index", body=search_query)
 
# 打印搜索结果
print(results)

这个代码示例展示了如何使用OpenSearch客户端在Elasticsearch中索引和搜索向量。首先，我们创建了一个新的OpenSearch客户端，并设置了连接选项，如压缩、认证和SSL。然后，我们创建了一个向量，并使用OpenSearch客户端将其索引到Elasticsearch中。最后，我们执行了一个向量搜索，并打印了搜索结果。这个示例展示了如何使用OpenSearch库来简化与Elasticsearch的向量搜索集成。