安装Proxima CE包

环境准备

• 已创建MaxCompute项目，详情请参见创建MaxCompute项目。

• 已创建DataWorks工作空间，并绑定MaxCompute引擎，详情请参见创建工作空间。

• 已开通Volume功能，并且成功创建了External Volume。

  • Proxima CE构建好索引之后需要写到MaxCompute的Volume存储中，请参考新功能试用申请开通Volume功能。

  • 创建External Volume的操作请参见External Volume操作。

    说明

    后续运行时可能会用到Volume方式，因此建议提前创建好External Volume。否则需要输入AK或role_arn作为必要启动参数，AK或role_arn的方式存在安全风险，请谨慎使用。

获取Proxima CE安装包

请单击Proxima CE下载安装包。

Proxima CE安装包主要包含Proxima CE可执行JAR包，您能够以添加MaxCompute资源的方式将其上传到MaxCompute Project，然后调用可执行JAR包运行Proxima CE任务。

上传资源

您可以通过MaxCompute客户端（odpscmd）或者DataWorks将上述已下载的安装包上传至MaxCompute Project。本文以DataWorks为例为您介绍如何上传并发布资源。odpscmd上传资源的方式可以参考添加资源。

1. 在DataWorks的数据开发页面，将下载好的安装包上传为JAR资源。

2. 提交资源。

3. 发布资源。

DataWorks上传资源详细步骤请参考步骤一：创建或上传资源。

准备输入表

在运行之前，您需要准备如下两个输入表：

• doc表：底库数据表。

• query表：用户查询表。

建表命令

--创建doc表
create table doc_table_float_smoke(pk string,vector string) partitioned by (pt string);

--创建query表
create table query_table_float_smoke(pk string,vector string) partitioned by (pt string);

输入表格式要求

• 表名

  • 输入表的表名不能包含tmp_字符串，否则会导致任务运行失败。

  • 输入表的表名和分区名的字符长度不能超过64，否则会导致任务运行失败。

• 字段

  固定字段	字段说明	字段数据类型
  pk	查询时的pk值字段。	默认为STRING类型。 对于pk列：其具体的值可以是数值或者字符串（比如：字符串类型1.nid,2.nid,3.nid,...或INT64数值类型123,456,789,...）。 对于pk列：如果存的都是INT64数值，列的类型可以指定为BIGINT类型，同时若指定启动参数-pk_type为INT64，则能够提升性能。
  vector	向量字段。	默认为STRING类型。
  category	多类目的类目字段。 仅多类目检索时需要此字段。	默认为BIGINT类型。
  pt	分区字段。	默认为STRING类型。

输入表示例

• doc表

  pk	vector	pt
  id1	0~1~1~5	20190322
  id2	0~1~1~2	20190322
  id3	3~2~1~1	20190322
  ...	...	...

• query表

  pk	vector	pt
  id8	0~1~1~5	20190322
  id9	0~1~1~2	20190322
  id10	3~2~1~1	20190322
  ...	...	...

下一步：使用向量检索功能

使用向量检索后会自动生成一个输出表，存储在MaxCompute表中，您无需创建，在运行Proxima CE代码的-output_table参数后面指定表名即可使用。生成的输出表格式请参考下文的输出表格式说明。

输出表格式说明

运行向量检索后会自动生成一个输出表，并存储在MaxCompute表中，生成的输出表格式如下。

• 表名：即您在运行Proxima CE的代码中所指定的输出表的表名。

  • 输出表的表名不能使用半角点号.，其为MaxCompute的特殊字符，会导致MaxCompute表解析失败。

  • 输出表的表名不能包含tmp_字符串，会导致任务运行失败。

  • 输出表名和分区名的字符长度不能超过64，否则会导致任务运行失败。

• 字段

  固定字段	字段说明	字段的数据类型
  pk	是query表中每个query对应的pk值。	默认为STRING类型。 对于pk列：其具体的值可以是数值或者字符串（比如字符串类型1.nid,2.nid,3.nid,...或INT64数值类型123,456,789,...）。 对于pk列：如果存的都是INT64数值时，列的类型可以指定为BIGINT类型，同时若指定启动参数-pk_type为INT64，则能够提升性能。
  knn_result	query召回对应的doc表中的pk值。	默认为STRING类型。
  score	召回的doc对应的相似度分数。	默认为STRING类型。Proxima CE中统一按照相似度大小降序排序。 说明 分数对于inner_product/mips_squared_euclidean这两种距离算法在Proxima2内核里是距离越大越相似，其他距离算法是距离越小越相似，但Proxima CE里面做了统一处理，按照相似度大小降序排序，即： 对于inner_product/mips_squared_euclidean距离，按照score值降序排序； 对于其他距离，按照score值升序排序，与Proxima2内核保持一致。
  category	多类目的类目字段。 仅多类目检索时需要此字段。	默认为BIGINT类型。
  pt	分区字段。	默认为STRING类型。

输出表示例