在OpenSearch向量检索版中，为避免重复向量化计算带来的资源消耗和成本增加，向量缓存功能通过引入缓存表机制，在数据写入时自动比对字段内容是否变化，仅对变化的数据调用模型重新计算向量，从而有效降低模型调用量。
工作原理
每次写入数据时，系统按以下流程处理向量字段：
根据当前记录的向量标识字段值，在缓存表中查找匹配记录。
命中缓存：直接读取缓存表中已有的向量值，写入当前表的向量字段。
未命中缓存：实时调用向量模型计算向量值，写入当前表的向量字段。
向量标识字段通常由业务信息（如字段内容、向量模型名称、向量维度等）生成的唯一 ID，用于判断需要向量化的字段内容以及向量化模型信息是否发生变化。
使用限制
处理流程限制
单步处理：仅支持包含单个处理步骤的向量字段。
不支持多步链式处理：例如OCR 识别 + 向量化等多步骤处理链暂不支持缓存。
支持的模板与模型
适用模板：仅限“文本稠密向量化”、“图片向量化”及“融合向量”。
模型要求：内置向量化模型不支持缓存。如需使用缓存，请切换至AI 搜索开放平台或百炼平台提供的模型。
字段与表结构要求
字段类型：向量标识字段与缓存表关联字段必须为 String 类型。
实例一致性：缓存表必须与当前数据表位于同一实例中。
资源影响评估
流量增加：开启缓存后，系统需查询在线集群以获取向量，这将导致在线集群流量上升（增幅取决于数据更新量）。
建议：请务必根据预期的数据更新频率，合理评估并扩容查询节点与数据节点的资源。
配置向量缓存
在添加表或修改表的字段配置阶段，完成向量字段的数据处理配置后，即可启用向量缓存。
在字段配置页面，为需要向量化的字段完成数据处理配置（如选择文本稠密向量化模板和对应模型）。
在数据处理配置面板的服务列表中，单击生成字段旁边的向量缓存，打开向量缓存配置对话框。
配置当前表参数：
参数
说明
向量字段
缓存命中时直接写入、未命中时由模型实时计算后写入的目标字段。为当前表选中的向量字段。
向量标识字段
用于在缓存表中匹配记录的唯一标识。通常由字段内容、向量模型、向量维度等业务信息生成。只能选择 String 类型字段。
配置缓存表参数：
参数
说明
表名
选择同一实例下的表作为缓存表。
向量标识字段
缓存表中与当前表向量标识字段对应的关联字段。只能选择 String 类型字段。
向量字段
缓存表中存储向量值的字段。命中缓存时，该字段的值将被读取并写入当前表的向量字段。
单击确定，完成向量缓存配置。
缓存表设计建议
缓存表应包含以下字段：
一个 String 类型的标识字段，存储与当前表向量标识字段相同格式的值。
一个多值 Float 类型的向量字段，存储已计算的向量值。
缓存表的数据来源通常是历史已完成向量化的数据。当某张表的数据经过向量模型计算后，可将向量标识和对应的向量值写入缓存表，供后续更新时复用。