Elasticsearchでセマンティックサーチを試す

Elasticsearchでknnクエリーを利用して、ベクトル検索を試すことができるの試してみる。まず、Elasticsearchを起動する。

git clone https://github.com/codelibs/docker-elasticsearch.git
cd docker-elasticsearch
docker compose -f compose.yaml up -d

という感じで、Dockerがあれば、http://localhost:9200でアクセスできるElasticsearchが起動できる。

ML機能はライセンスが必要なので、以下でトライアルを有効にする。

curl -XPOST -H "Content-Type:application/json" "http://localhost:9200/_license/start_trial?acknowledge=true"

ElasticsearchのML機能を利用して、テキストデータを渡されたら、ベクトルに変換してくれるようにingestを設定して、ingestでテキストからベクトルを推論するモデルを登録していく。

まずは、モデルを登録していくのが、モデルをインポートするためには、Pythonのelandを用いて、登録することになる。そのために、Pythonモジュールをインストールする。今回は、日本語を利用するので、以下のようなモジュールを入れておく。

pip install 'eland[pytorch]'
pip install fugashi
pip install unidic-lite

次はモデルのインポート。今回はtohoku/bert-base-japanese-v2を指定する。(今回は、簡単に試せるように、httpsなどのsecurityを無効な状態にしてあるので、ユーザー名などの指定が不要である)

eland_import_hub_model --url http://localhost:9200 --hub-model-id cl-tohoku/bert-base-japanese-v2 --task-type text_embedding

インポートできたら、モデルをデプロイする。

curl -XPOST -H "Content-Type:application/json" "http://localhost:9200/_ml/trained_models/cl-tohoku__bert-base-japanese-v2/deployment/_start"

ingestを登録して、テキストがベクトルに変換できるようにする。

curl -XPUT -H "Content-Type:application/json" "http://localhost:9200/_ingest/pipeline/text_embedding" -d '
{
  "description": "Text embedding pipeline",
  "processors": [
    {
      "inference": {
        "model_id": "cl-tohoku__bert-base-japanese-v2",
        "target_field": "content_vector",
        "field_map": {
          "content": "text_field"
        }
      }
    }
  ]
}
'

contentフィールドにテキスト情報を入れる。ベクトルは、content_vectorオブジェクトに入る。ベクトル自体はcontent_vector.predicted_valueに格納される。

ここまでくれば、下準備ができたので、次にデータを入れるインデックスを作る。

curl -XPUT -H "Content-Type:application/json" "http://localhost:9200/docs" -d '
{
  "settings": {
    "index": {
      "number_of_shards": 1,
      "number_of_replicas": 0
    }
  },
  "mappings": {
    "properties": {
      "content": {
        "type": "text",
        "analyzer": "standard"
      },
      "content_vector.model_id": {
        "type": "keyword"
      },
      "content_vector.predicted_value": {
        "type": "dense_vector",
        "dims": 768,
        "index": true,
        "similarity": "l2_norm"
      }
    }
  }
}
'

検証なので、contentにデータを入れるシンプルなインデックスです。このインデックスにデータを入れrます。テスト用のデータは、ChatGPTに10件生成してもらったので、それを入れます。

curl -XPOST -H "Content-Type: application/x-ndjson" "http://localhost:9200/_bulk?pipeline=text_embedding" -d '
{"index": {"_index": "docs"}}
{"content": "明日の天気は晴れの予報です。"}
{"index": {"_index": "docs"}}
{"content": "彼女が好きな色はピンクです。"}
{"index": {"_index": "docs"}}
{"content": "日本語を勉強しています。"}
{"index": {"_index": "docs"}}
{"content": "新しいレストランがオープンしました。"}
{"index": {"_index": "docs"}}
{"content": "今日は疲れたので早く寝ます。"}
{"index": {"_index": "docs"}}
{"content": "おいしいコーヒーを飲みました。"}
{"index": {"_index": "docs"}}
{"content": "新しいスマートフォンが発売されます。"}
{"index": {"_index": "docs"}}
{"content": "友達と映画を見に行きました。"}
{"index": {"_index": "docs"}}
{"content": "最近、本を読む習慣を始めました。"}
{"index": {"_index": "docs"}}
{"content": "子供たちが公園で遊んでいます。"}
'

シンプルなデータなので、面白みにかけますが、検索は以下のリクエストを投げると、結果が帰ってきます。

curl -XPOST -H "Content-Type: application/json" "http://localhost:9200/docs/_search" -d '
{
  "knn": {
    "field": "content_vector.predicted_value",
    "query_vector_builder": {
      "text_embedding": {
        "model_id": "cl-tohoku__bert-base-japanese-v2",
        "model_text": "彼女が好きな色は?"
      }
    },
    "k": 3,
    "num_candidates": 10
  },
  "_source": [
    "content"
  ]
}
'

「彼女が好きな色はピンクです。」が1件目で取得できると思いますが、2件目以降は類似度が高い順に返ってくるだけです。

という感じですが、詳しくはElasticsearchのドキュメントを参照するのが良いと思います。

玄人志向 KRPW-PA1000W/92+ 

最近のGPUはやたら電力を消費するし、接続するコネクタも新たなものがでてきたりと、新しいGPUを使うことができない感じになってきているので、今回、PC電源を購入することにした。

40系のGPUとかだと、12VHPWR規格への対応が必要みたいな感じだったので、玄人志向KRPW-PA1000W/92+を購入した。そもそものところだと、12VHPWERに対応した電源の選択肢がまだ少ないので、80PLUS PLATINUMだし、これにしてみるか、的な感じで選択した。

ケーブル自体は付属しているので、それを指していけばよいだけで、特に問題はなかった。

がしかし、12VHPWRに対応していると言うだけあって、12VHPWRのケーブルも付属しているのだが、このケーブルがおかしい…。ケーブルには、PCIeに電源へ繋げと書いてあるが、ATX12Vの口にしか入らない…。ATX12Vはマザーボードにつなぐ必要があるので、この口を使うわけにもいかない…。というわけで、12VHPWRケーブルは不良品な気がする。Amazonのレビューコメントにも同じようなことを書いてあったので、たぶん、設計ミス的な感じかもしれない…。直近、12VHPWRで繋がないから、良いけど、GPUを買ったら、ケーブルを買うなどしないといけない気がする。

という感じで、よくわからない部分がある製品だと思います…。12VHPWRに対応していないと思えば、普通の電源として利用できると思います。玄人志向の製品は他にも結構使っているので、今回の謎仕様はちょっと残念な気分になりました…。

追記(2023/01/25): 付属品に関するお知らせとお詫びが公開されていたので、申請して無事に正しいケーブルを入手できました。

Fractal Define 7 Solid

最近のGPUは大きくて、今利用しているPCケースでは入らない場合が多かったので、そろそろPCケースを買い替えたほうが良いなと思い、今回、FractalのDefine 7 Solidを購入してみた。

Define 7も透明だったり、光ったり、いくつか種類があるのだけど、今回はその辺は求めていないので、Solidを選択した。今回、購入にあたり、

  • ATX対応
  • PCケースの高さが50cm以下(設置する場所に高さ制限がある…)
  • 45cm以上のGPUが利用できること

というのを基本条件で探して、見た感じにも良さそうだったので、Define 7 Solidにした。色はこだわりは特になかったので、白にして、24,180円で入手できた。

今まで利用していたものをそっくりそのまま、移行したけど、特にハマることもなく移行できたので、使い勝手も良い。上面のカバーも空調優先か静音優先かで、取り替えることもできるのだけど、GPUを使うと熱も出るから空調優先にしてみたりと選べる感じでもある。PCケースの標準ファンも気にならない感じで(むしろ、今までのほうがうるさかったかも…)、このPCケースは個人的にはおすすめできる感じである。

という感じで、Fractalのものを買ったことがなかったけど、大変満足ができる買い物ができた気がする。