2024 年 8 月 27 日

Meilisearch 1.10

Meilisearch 1.10 引入了联邦搜索和区域设置，并为 AI 驱动的搜索稳定化铺平了道路。

今天我们宣布 Meilisearch v1.10 发布。在本文中，我们将回顾最具影响力的更改。有关详尽的列表，请查看 GitHub 上的更新日志。

Meilisearch 1.10 也可在 Meilisearch Cloud 上使用——立即升级！

新增：联邦搜索

我们很高兴地宣布，联邦搜索终于来到 Meilisearch。此功能扩展了 multi-search API，允许您将来自多个查询的结果合并到单个统一的响应中。您现在可以搜索不同的索引，并获得整个数据集中的最相关结果，而不仅仅是每个索引的最相关结果。

对于需要跨各种资源类型进行搜索的 SaaS 平台或具有不同产品类别的电子商务站点，联邦搜索是一个游戏规则改变者。

以下是针对 movies 和 comics 索引发出联邦搜索请求的示例负载

{
  "federation": {
    "offset": 5,
    "limit": 10
  },
  "queries": [
    {
      "q": "Batman",
      "indexUid": "movies"
    },
    {
      "q": "Batman",
      "indexUid": "comics"
    }
  ]
}

在此示例中，联邦搜索响应将如下所示

{
  "hits": [
    {
      "id": 42,
      "title": "Batman returns",
      "overview": "..",
      "_federation": {
        "indexUid": "movies",
        "queriesPosition": 0
      }
    },
    {
      "comicsId": "batman-killing-joke",
      "description": "..",
      "title": "Batman: the killing joke",
      "_federation": {
        "indexUid": "comics",
        "queriesPosition": 1
      }
    },
 ],
  "processingTimeMs": 0,
  "limit": 2,
  "offset": 0,
  "estimatedTotalHits": 2,
  "semanticHitCount": 0
}

查询权重

联邦搜索不仅仅是组合结果；它还旨在使这些结果更具意义和相关性。借助查询权重，您可以优先考虑某些查询而不是其他查询，从而确保最重要的数据升到顶部。

以下示例负载在联邦搜索中使用查询权重，以更重视 boosted 字段为 true 的文档

{
  "federation": {},
  "queries": [
    {
      "q": "iphone case",
      "indexUid": "products",
      "filter": "BOOSTED = true",
      "federationOptions": {
        "weight": 3.0
      }
    },
    {
      "q": "iphone case",
      "indexUid": "products"
      // federationOptions.weight defaults to 1
    }
  ]
}

了解更多关于联邦搜索及其用例

新增：查询和文档的语言设置

默认情况下，Meilisearch 会自动检测文档和查询中使用的语言。这对于边缘情况有一些限制。Meilisearch 1.10 引入了新的语言设置，允许用户手动自定义其语言首选项。

有两种方法可以声明搜索中使用的语言

设置查询中使用的语言
设置文档字段中使用的语言

设置搜索查询区域设置

您可以在搜索参数中定义查询中使用的语言。

使用查询 locales 进行搜索的示例负载

{
   "q": "進撃の巨人",
   "locales": ["jpn"]
}

设置文档属性的区域设置

您可以通过索引设置定义数据集中使用的语言。

使用 localizedAttributes 进行设置的示例负载

{
  "localizedAttributes": [
    {
      "locales": ["jpn"], 
      "attributePatterns": ["*_japanese"]
    }
  ]
}

Meilisearch 支持所有 ISO-639-2B 区域设置。

自托管：现在需要 Ubuntu v20

如果您是自托管 Meilisearch，请注意：Meilisearch 1.10 现在需要 Ubuntu 版本 20。此更新确保与最新功能的兼容性，并保持最佳性能和安全性。我们建议阅读有关如何升级 Ubuntu 版本的文档。

此更改不影响 Meilisearch Cloud 用户。

实验性功能：AI 驱动的搜索 DX 改进

新增：REST API 基础嵌入器的自定义标头

Meilisearch 1.10 支持将自定义标头发送到您的 API 基础嵌入服务。当为您的嵌入器设置使用 rest 源时，Meilisearch 现在接受可选的 headers 对象。这些标头将添加到发送到嵌入器 API 的所有请求中。

嵌入器设置的示例负载

{
  "source": "rest",
  "apiKey": "•••••••••••••••••",
  "headers": {
    "Custom-Header": "value"
  }
}

新增：生活质量改进

此外，我们还添加了一些小的更改，以使使用 Meilisearch AI 驱动的搜索 API 更容易

嵌入器设置现在接受 OpenAI 嵌入器的 url 参数，以通过代理访问 OpenAI
嵌入器设置现在接受 ollama 嵌入器的 dimensions 参数
Meilisearch 现在在没有向量的文档的响应中包含 _vectors（仅当启用 retrieveVectors 时）

⚠️ 破坏性更改：基于 REST API 的嵌入器的破坏性更改

基于 REST API 配置嵌入器（例如，OpenAI、Mistral 等）的 API 发展迅速，为了避免混淆，我们决定在专用的 request 和 response 字段中重新组织参数。

实际上，此更改

删除了 query、inputField、inputType、pathToEmbeddings 和 embeddingObject 字段
添加了 request 和 response 字段

请查看以下示例，了解如何迁移到新语法。

之前 — 使用 Meilisearch 1.9

{
   "source": "rest",
   "url": "https://localhost:10006",
   "query": {
     "model": "minillm",
   },
   "inputField": ["prompt"],
   "inputType": "text",
   "embeddingObject": ["embedding"]
}

之后 — 从 Meilisearch 1.10 开始

{
   "source": "rest",
   "url": "https://localhost:10006",
   "request": {
     "model": "minillm",
     "prompt": "{{text}}"
   },
   "response": {
     "embedding": "{{embedding}}"
   }
}

升级步骤

仅当您使用基于 REST API 的嵌入器时，此步骤才是必要的。要升级到 Meilisearch 1.10，请按照以下步骤操作

删除源为 "rest" 的嵌入器
照常更新您的 Meilisearch Cloud 项目或自托管 Meilisearch 实例

实验性功能：`CONTAINS` 过滤器运算符

Meilisearch 1.10 引入了 CONTAINS 运算符。由于我们正在努力解决一些性能问题，这仍处于实验阶段。这个新的过滤器运算符允许检查子字符串是否包含在更大的字符串中。

给定文档 { id: 1, name: "Keffir" }，您可以按如下方式使用过滤器

name CONTAINS kef — 搜索将匹配该文档
name CONTAINS clifford — 搜索将不匹配该文档

请记住，所有过滤器都使用小写、规范化的字符串（所有重音符号都已删除）。

通过此 Github 讨论分享您的反馈。

实验性功能：使用函数更新文档

Meilisearch 1.10 允许您通过执行 Rhai 函数来编辑文档。这允许您仅使用过滤器更新部分数据集。此外，使用函数允许您根据文档数据实现动态逻辑。

以下负载更新 id 大于 3000 的所有文档的标题

{
  "filter": "id > 3000",
  "function": "doc.title = `✨ ${doc.title.to_upper()} ✨`"
}

这也支持更复杂的使用案例，例如实施衰减排名策略。根据您的需求，您可能会实施如下函数，该函数将由 Cron 作业定期运行。

{
  "context": { "now": 1715423249 },
  "function": "
    // `posted_at` and `now` are Unix Epoch timestamps in seconds
    // they must be converted to hours.
    let age_hours = (context.now - doc.posted_at) / 60 / 60;
    doc.ranking_score = doc.upvotes ** 0.8 / (age_hours + 2) ** 1.8;
  "
}