10分钟学会构建端到端的图片搜索服务
应用介绍
本文将介绍在没有向量数据的情况下，也可以通过OpenSearch-向量检索版快速从零搭建图像搜索服务。
通常情况下，我们用向量数据库做向量检索的时候，需要先将图片做向量化处理以后，才能推送到向量数据库进行检索。而OpenSearch-向量检索版是一个端到端的向量检索产品方案，内置了向量化的数据处理模型，可以直接把原始的图片推送进来，由产品自动来完成向量化的步骤，相较于传统模式省去了数据向量处理环节，因此向量检索版可以更加方便的帮助实现以图搜图、以文搜图等多种图像检索。
目前支持3种不同的数据写入方式进行图搜引擎搭建，可以根据实际情况进行选择，对于一些数据量比较大的客户，可以选择对象存储OSS的方式，关联OSS路径即可实现原始图片的快速导入，详情可点击此处进行查看，本文将选择 **API的方式 **进行演示搭建图片搜索服务。
对象存储OSS + API：使用对象存储OSS作为全量数据来源，使用API进行增量数据推送。
API：通过向量检索版给出的数据推送接口，将base64编码后的图片及其表数据推送到向量检索版实例中。
商品图片准备，列举10个转化为base64编码的图片，开发者可以根据个人情况进行图片base64编码的转化。
进入OpenSearch控制台，商品版本选择向量检索版，根据业务情况进行规格选择和购买，具体参考购买指南。
新购买的实例，其状态为“待配置”，我们需要先完成配置后，才可正常搜索和测试。配置实例的流程：1.表基础信息→2.数据同步→3.字段配置→4.索引结构→5.确认创建
数据更新资源数：数据更新所用资源数，每个索引默认免费提供2个4核8G的更新资源，超出免费额度的资源将产生费用，详情可参考向量检索版计费概述。
向量检索版会根据选择的场景模板，预置相关字段，并会将全量数据来源中的字段，自动导入字段列表中。但由于在数据同步中我们选择的是API方式，所以不会同步全量数据来源中的字段，除了自动预设的字段外，我们还需要结合实际情况手动填写数据结构。下图为表基础信息的「向量：图片搜索」模板的系统预设字段，4个字段分别为id（主键）、source_image（原始图片）、source_image_vector（原图片经过内置的向量化模型处理后，生成的向量数据字段）、namespace（命名空间）。
字段source_image高级配置中有2个必填选项，其中向量化模型选择「clip 通用图片转向量模型」。数据类型有image（path）和image（base64编码）的选项，由于本文选择的是API的方式，所以数据类型选择「image（base64编码）」。
如果选择image（path），就需要填写OSS路径，其实就是把图片存在了OSS的文件夹里面，从oss直接导入。
如果选了image（base64编码），则相当于需要先把图片进行一次编码，然后存在数据库中，或者直接用API方式进行传输。
在向量管理栏找到添加数据的页面，如果仅是单条数据的添加可以选择表单模式，多条数据的添加需要选择开发者模式。
右上角选择开发者模式，添加相应字段值（包括表名、主键、需embedding 字段，图片字段可以通过填写base64编码的方式上传），点击添加。
可以先复制文章开头列举的base64编码进行尝试，添加完成后，当右下角的执行结果出现message: success 说明数据上传成功。
添加必填字段，包含id、source_image（可以通过上传图片和填写base64编码的方式上传）。
添加完内容后，点击“添加”，当执行结果出现message: success说明数据上传成功。
点击指标监控→表指标→选择表，在此页面可查看表的具体指标数据。如果查看文档个数的话，需要确认数据写入后再进行查询（由于使用了内置模型进行向量化处理，所以数据写入需一定用时，大家可以通过自定义调节数据更新资源减少耗时）。
进行查询测试，需要添加相应字段值，包含表名、Query类型（图片）、图片提供方式（可以通过上传图片和填写base64编码的方式上传），信息选择完毕后点击搜索。
可在搜索结果中查看主体识别的结果，本次采用的距离类型是SquaredEuclidean（欧式距离），所以距离分越小，结果越相关。
回到查询测试页，选择表名，query类型（图片），图片提供方式（上传图片文件），多主体识别（开启），上传图片完成后，点击搜索。
