前往主页Meilisearch 的标志
返回文章
2025年4月14日

Meilisearch 1.14

Meilisearch 1.14 引入了新的实验性功能,包括复合嵌入器和嵌入缓存以提升性能。它还增加了核心功能,例如细粒度可过滤属性和按 ID 批量检索文档。

Carolina Ferreira
Carolina FerreiraMeilisearch 开发者布道师@CarolainFG
Meilisearch 1.14

我们很高兴宣布 Meilisearch v1.14 的发布。在本文中,我们将重点介绍此版本中的关键更改和改进。

有关所有更新和修复的完整列表,请访问 GitHub 上的变更日志

这些强大的新功能即将登陆Meilisearch 云服务。立即注册,抢先体验最新改进!

新增:细粒度可过滤属性设置

通过 Meilisearch v1.14,您可以使用高级对象格式配置可过滤属性,从而精确指定为每个属性模式启用哪些过滤功能

{
	"filterableAttributes": [
	  {
	    "attributePatterns": ["genre", "artist"], 
	    "features": { "facetSearch": true, "filter": {"equality": true, "comparison": false } }
	  },
	  {
	    "attributePatterns": ["*rank"],
	    "features": { "facetSearch": false, "filter": {"equality": true, "comparison": true } }
	  },
	  {
	    "attributePatterns": ["albumId"],
	    "features": { "facetSearch": false, "filter": {"equality": true, "comparison": false } }
	  },
	]
}
  • 字符串属性(例如,genreartist):为类别过滤启用分面搜索和相等运算符(= / !=),同时禁用比较运算符(><>=<=),因为它们对于字符串值来说是不必要的。
  • 数值属性(例如,*rank):为范围过滤启用比较运算符(><>=<=),同时禁用分面搜索,因为它与数值数据无关。
  • 唯一标识符(例如,albumId):为精确匹配启用相等运算符,同时禁用未使用的功能,例如比较运算符和分面搜索。

这种有针对性的配置可以显著提升索引性能。

实验性功能:复合嵌入器

Meilisearch 1.14 引入了一项新的实验性功能,允许您在搜索和索引时使用不同的嵌入器,从而优化吞吐量和延迟。

  • 使用远程嵌入器进行批量索引,因为远程嵌入器提供最高的带宽(嵌入量/秒)
  • 使用本地嵌入器响应搜索查询,因为本地嵌入器提供最低的延迟(首次嵌入时间)

使用新的composite 源类型配置您的嵌入器。例如,您可以结合本地 Hugging Face 模型实现快速搜索,并结合远程推理端点实现高效索引

{
    "embedders": {
        "text": {
            "source": "composite",
            "searchEmbedder": {
                "source": "huggingFace", // locally computed embeddings using a model from the Hugging Face Hub
                "model": "baai/bge-base-en-v1.5",
                "revision": "a5beb1e3e68b9ab74eb54cfd186867f64f240e1a"
            },
            "indexingEmbedder": {
                "source": "rest", // remotely computed embeddings using Hugging Face inference endpoints
                "url": "https://URL.endpoints.huggingface.cloud",
                "apiKey": "hf_XXXXXXX",
                "documentTemplate": "Your {{doc.template}}",
                "request": {
                    "inputs": [
                        "{{text}}",
                        "{{..}}"
                    ]
                },
                "response": [
                    "{{embedding}}",
                    "{{..}}"
                ]
            }
        }
    }
}

Meilisearch 会根据当前操作自动选择合适的嵌入器。

在您的项目概览中,勾选“实验性功能”下的“复合嵌入器”框即可激活此功能。如果您是自托管 Meilisearch,请通过 /experimental-features 路由启用它

实验性功能:缓存嵌入

Meilisearch 1.14 带来了一项新的实验性功能,允许您缓存搜索查询嵌入,当同一查询多次运行时,显著提升性能。

要启用搜索查询嵌入缓存,请在启动 Meilisearch 时使用以下任一实例选项指定要存储在缓存中的最大条目数:

  • 标志 --experimental-embedding-cache-entries=150
  • 环境变量 MEILI_EXPERIMENTAL_EMBEDDING_CACHE_ENTRIES=150

启用后,Meilisearch 会存储搜索查询的嵌入向量,从而无需为相同的查询重复生成嵌入。这在以下场景中尤其有价值:

  • 相同的查询频繁重复
  • 您在多个索引之间使用多重搜索
  • 您已实现本地分片,其中相同的查询被发送到不同的索引

新增:按 ID 获取文档

您现在可以通过主键获取一组文档

// POST /indexes/INDEX_UID/documents/fetch
{
    "ids": [785084, 44214, 473],
}

以上查询将返回相应的文档

{
    "results": [
        {
            "id": 44214,
            "title": "Black Swan"
        },
        {
            "id": 473,
            "title": "Pi"
        },
        {
            "id": 785084,
            "title": "The Whale"
        }
    ],
    "offset": 0,
    "limit": 20,
    "total": 3
}

致谢贡献者

我们要向促成此版本发布的贡献者们表示衷心的感谢。特别感谢 @MichaScantMeilisearch 方面所做的工作,@oXtxNt9UHeed 的贡献,@ptondereauArroy 方面所做的努力,以及 @NarHakobyan@mosukaCharabia 的贡献。我们深切感谢您的支持与合作。


v1.14 的发布就到这里了!这些发布说明仅重点介绍了最重大的更新。有关完整的列表,请查阅 GitHub 上的 变更日志 。


如需了解更多信息,请订阅我们的 每月新闻稿,或加入我们的 产品讨论

如需其他帮助,请加入我们在 Discord 上的开发者社区。

准备好体验 Meilisearch 的最新功能了吗?

立即开始免费试用,亲身体验所有强大的新功能。亲自了解为什么开发者选择 Meilisearch 来提供闪电般快速、高度相关的搜索。

Meilisearch AI launch week recap

Meilisearch AI 发布周回顾

Meilisearch AI 发布回顾:通过 AI 和个性化实现搜索转型

Maya Shin
Maya Shin2025年3月28日
Introducing Meilisearch's next-generation indexer: 4x faster updates, 30% less storage

Meilisearch 新一代索引器亮相:更新速度提升 4 倍,存储空间减少 30%

2024 年索引器版本通过并行处理、优化的 RAM 使用和增强的可观察性彻底改变了搜索性能。查看我们最新版本中的新功能。

Louis Dureuil
Louis Dureuil2025年2月26日
Meilisearch 1.13

Meilisearch 1.13

Meilisearch 1.13 稳定了 AI 驱动的搜索,引入了远程联邦搜索(为分片奠定基础),并使版本升级更加便捷。

Carolina Ferreira
Carolina Ferreira2025年2月18日