Azure AI 搜索中的数据导入

在 Azure AI 搜索中,将会针对已加载到搜索索引中用户拥有的内容执行查询。 本文介绍用于填充索引的两个基本工作流:以编程方式将数据推送到索引中,或者使用搜索索引器拉取数据。

这两种方法都从外部数据源加载文档。 尽管可以创建空索引,但只有在添加了内容之后,才能进行查询。

注意

如果 AI 扩充是解决方案要求,则必须使用拉取模型(索引器)来加载索引。 技能组附加到索引器,不会独立运行。

将数据推送至索引

推送模型是使用 API 将文档上传到现有搜索索引的一种方法。 你可以单个或批量上传文档(每批最多 1000 个或 16 MB,以先达到的为准)。

主要优势包括:

  • 它对数据源类型没有限制。 有效负载必须由映射到索引架构的 JSON 文档组成,但数据可以源自任意位置。

  • 它对执行频率没有限制。 可以根据需要选择相应的频率,将更改推送到索引。 对于具有极低延迟要求的应用程序(例如,如果索引需要与产品库存波动同步),只能选择推送模型。

  • 文档的连接和安全检索完全由你控制。 相比之下,索引器连接是使用 Azure AI 搜索中提供的安全功能进行身份验证的。

如何将数据推送至 Azure AI 搜索索引

使用以下 API 将单个或多个文档加载到一个索引中:

不支持通过 Azure 门户推送数据。

有关推送 API 的简介,请参阅:

索引操作:上传、合并、mergeOrUpload、删除

可以按文档控制索引操作的类型,指定是应该完整地上传文档、与现有文档内容合并还是将其删除。

无论使用 REST API 还是 Azure SDK,数据导入都支持以下文档操作:

  • 上传类似于“upsert”,如果文档是新文档,则插入;如果文档已经存在,则进行更新或替换。 如果文档缺少索引所需的值,则将文档字段的值设置为 null。

  • 合并会更新已有的文档,如果找不到该文档,则会失败。 合并将替换现有值。 因此,请务必检查是否有包含多个值的集合字段,例如类型为 Collection(Edm.String) 的字段。 例如,如果 tags 字段以 ["budget"] 值开头,并且你执行与 ["economy", "pool"] 的合并,则 tags 字段的最终值为 ["economy", "pool"]。 而不会是 ["budget", "economy", "pool"]

  • 如果文档已存在,则 mergeOrUpload 的行为类似于合并,如果文档是新的,则类似于上传。

  • delete 从索引中删除整个文档。 如果你想删除某个字段,请改用合并,将相应字段设置为 NULL。

将数据拉取到索引中

提取模型使用索引器连接到支持的数据源,将数据自动上传到索引中。 Azure 的索引器可用于以下平台:

可以使用由 Azure 合作伙伴开发和维护的第三方连接器。

索引器将索引连接到数据源(通常是表、视图或等效的结构),将源字段映射到索引中的等效字段。 在执行期间,行集会自动转换为 JSON 并载入指定的索引中。 所有索引器都支持调度,使用户能够指定数据的刷新频率。 大多数索引器提供更改跟踪(如果受数据源的支持)。 除了识别新文档外,通过跟踪对现有文档的更改和删除外,索引器免除了主动管理索引中数据的必要。

如何将数据拉取至 Azure AI 搜索索引

使用以下工具和 API 进行基于索引器的索引编制:

索引器功能已在 [Azure 门户]、REST API.NET SDK 中公开。

使用门户的一个优势在于,Azure AI 搜索通常可以通过读取源数据集的元数据来生成默认的索引架构。

使用搜索浏览器验证数据导入

针对文档上传执行初步检查的捷径之一是在门户中使用搜索浏览器

Screenshot of Search Explorer command in the Azure portal.

使用资源管理器可以直接查询索引,而无需编写任何代码。 搜索体验取决于默认设置,例如简单语法和默认的 searchMode 查询参数。 结果以 JSON 格式返回,方便用户检查整个文档。

下面是可在 JSON 视图中的搜索资源管理器中运行的示例查询。 “HotelId”是 hotels-sample-index 的文档键。 筛选器器提供特定文档的文档 ID:

{
  "search": "*",
  "filter": "HotelId eq '50'"
}

如果使用的是 REST,则此查找查询可以实现相同的目的。

另请参阅