Meilisearch 1.13

我们很高兴推出 Meilisearch v1.13。在本文中，我们将介绍最重要的变更。有关更新的完整列表，请访问 GitHub 上的更新日志。

AI 驱动的搜索

我们很高兴地宣布，AI 驱动的搜索功能现已全面稳定！

我们的向量存储在 v1.3 中首次发布，经过不断发展，现已支持来自常见提供商的自动嵌入、语义搜索和混合搜索，这些功能始终基于我们社区宝贵的反馈。此功能现已准备好脱离实验阶段。

因此，您不再需要使用 /experimental-features 路由来激活它。

v1.13 引入了 AI 驱动搜索功能的最后一次突破性变更。

突破性变更：接受 Ollama URL

Ollama URL 只有在以 /api/embed 和 /api/embeddings 结尾时才会被接受，传递不支持的端点现在将在 Meilisearch 上触发错误。

突破性变更：错误代码修改

在 1.13 之前，如果嵌入器配置缺失或不是字符串，Meilisearch 将对搜索和相似性请求返回 invalid_embedder 错误。

它已被拆分为：

• invalid_search_embedder：用于搜索请求
• invalid_similar_embedder：用于相似请求

当 hybrid 搜索参数无效时，现在返回错误 invalid_search_hybrid_query，而不是 invalid_hybrid_search。

实验性：远程联邦搜索

新的网络路由支持跨多个 Meilisearch 实例的分布式搜索。与联邦搜索结合使用，这简化了分片等水平数据库分区策略的实现。

通过 /experimental-features 路由激活此功能。如果您正在使用 Meilisearch Cloud，请联系支持人员以在您的项目中启用此功能。

使用 remotes 对象来定义应参与搜索的 Meilisearch 实例。

PATCH /network
{
  "remotes": {
    "ms-01": {
      "url": "http://ms-1.example.meilisearch.io",
      "searchApiKey": "SEARCH_KEY_1"
    },
    "ms-02": {
      "url": "http://ms-2.example.meilisearch.io",
      "searchApiKey": "SEARCH_KEY_2"
    }
  }
}

在所有 Meilisearch 实例集上设置相同的远程，然后使用 self 配置每个实例的自己的标识符。 self 的值必须与远程中的相应键匹配。

PATCH /network
{
  "self": "ms-01"
}

您现在可以执行远程联邦搜索。

POST /multi-search
{
  "federation": { // enable federated mode
    "limit": 5
  },
  "queries": [
    { // #0
      "q": "Batman",
      "indexUid": "movies",
      "federationOptions": {
        "remote": "ms-01"
      }
    },
    { // #1
      "q": "Batman",
	    "indexUid": "movies",
	    "federationOptions": {
        "remote": "ms-02"
      }
    }
  ]
}

实验性：新的无dump升级

您现在可以从 Meilisearch >=v1.12 升级到 Meilisearch >=v1.13，而无需使用dump。

只需安装最新版本的 Meilisearch，然后使用实例选项之一重新启动它：

• --experimental-dumpless-upgrade 标志
• 或 MEILI_EXPERIMENTAL_DUMPLESS_UPGRADE 环境变量

⚠️ 由于这是一项实验性功能，请务必先使用快照备份所有重要数据。

新统计信息

Meilisearch 1.3 为统计对象引入了 3 个新字段：

• numberOfEmbeddedDocuments：至少包含一个嵌入的文档总数
• numberOfEmbeddings：索引中嵌入的总数
• usedDatabaseSize：数据库使用的存储空间（以字节为单位），不包括 LMDB 占用的未使用空间。与 databaseSize 不同，当文档被删除时，此值会减小。

以下是返回的统计对象示例（截至 Meilisearch 1.13）：

GET /stats

{
  "databaseSize": 447819776,
  "usedDatabaseSize": 196608,
  "lastUpdate": "2019-11-15T11:15:22.092896Z",
  "indexes": {
    "movies": {
      "numberOfDocuments": 19654,
      "numberOfEmbeddedDocuments": 1,
      "numberOfEmbeddings": 1,
      "isIndexing": false,
      "fieldDistribution": {
        "poster": 19654,
        "overview": 19654,
        "title": 19654,
        "id": 19654,
        "release_date": 19654
      }
    },
    "books": {
      "numberOfDocuments": 5,
      "numberOfEmbeddedDocuments": 5,
      "numberOfEmbeddings": 10,
      "isIndexing": false,
      "fieldDistribution": {
        "id": 5,
        "title": 5,
        "author": 5,
        "price": 5, 
        "genres": 5
      }
    }
  }
}

贡献者鸣谢

我们非常感谢为本次发布做出贡献的外部贡献者。感谢 @takaebato、@Sherlouk、@jameshiew、@K-Kumar-01、@mhmoudr、@eltociear、@Gnosnay、@DerTimonius、@manojks1999、@ellnix、@Guikingone、@migueltarga 对 Meilisearch 的贡献。

v1.13 的内容就到此为止了！这些发布说明只突出了最重要的更新。要查看详细列表，请阅读 GitHub 上的 更新日志 。

欲了解更多信息，请订阅我们的 每月新闻通讯，查看 路线图，或加入我们的 产品讨论。

如有其他问题，请加入我们在 Discord 上的开发者社区。