Azure AI Search实战：从零构建高效向量数据库的完整指南

1次阅读

共计 3184 个字符，预计需要花费 8 分钟才能阅读完成。

传统文本搜索（如 LIKE 查询或倒排索引）在处理语义搜索时存在明显短板：

无法理解同义词（” 汽车 ” 和 ” 轿车 ” 被视作完全不同的词）
对错别字零容忍（” 苹呆手机 ” 无法匹配 ” 苹果手机 ”）
缺乏语义相关性判断（” 如何做蛋糕 ” 与 ” 烘焙教程 ” 明明相关却无法匹配）

向量数据库通过将文本转换为高维向量（通常 300-1536 维），使相似语义的内容在向量空间中距离接近，完美解决了这些问题。

方案	优点	缺点
FAISS	本地运行，超高性能	无托管服务，需自建基础设施
Pinecone	全托管，开发者友好	价格昂贵，企业级功能较少
Azure AI Search	微软生态集成，混合搜索能力强	学习曲线略陡

对于需要快速上线、已有 Azure 生态或需要混合搜索（同时使用关键词和向量）的场景，Azure AI Search 是最佳选择。

首先在 Azure 门户创建服务（注意选择标准 S1 以上 SKU 才能使用向量功能）：

# 安装最新版 SDK
pip install azure-search-documents==11.4.0b8

向量索引需要特殊字段配置，以下是核心字段示例：

from azure.core.credentials import AzureKeyCredential
from azure.search.documents.indexes import SearchIndexClient
from azure.search.documents.indexes.models import (
    SearchIndex,
    SimpleField,
    SearchableField,
    SearchFieldDataType,
    VectorSearchProfile,
    HnswAlgorithmConfiguration,
    VectorSearch
)

# 连接配置
service_endpoint = "https://your-service.search.windows.net"
key = "your-admin-key"
index_name = "products-vector-index"

# 定义向量配置
vector_search = VectorSearch(
    profiles=[
        VectorSearchProfile(
            name="my-vector-config",
            algorithm_configuration_name="my-algorithms-config"
        )
    ],
    algorithms=[
        HnswAlgorithmConfiguration(name="my-algorithms-config")
    ]
)

# 创建索引
fields = [SimpleField(name="id", type=SearchFieldDataType.String, key=True),
    SearchableField(name="name", type=SearchFieldDataType.String),
    SearchableField(name="description", type=SearchFieldDataType.String),
    SearchableField(
        name="descriptionVector",
        type=SearchFieldDataType.Collection(SearchFieldDataType.Single),
        searchable=True,
        vector_search_dimensions=1536,
        vector_search_profile_name="my-vector-config"
    )
]

index = SearchIndex(name=index_name, fields=fields, vector_search=vector_search)
client = SearchIndexClient(service_endpoint, AzureKeyCredential(key))
client.create_index(index)

使用批量 API 高效导入数据（注意向量需要提前用模型生成）：

from azure.search.documents import SearchClient
from azure.search.documents.models import Vector

# 假设已通过 OpenAI 生成向量
products = [
    {
        "id": "1",
        "name": "智能手机",
        "description": "最新款 5G 手机",
        "descriptionVector": [0.1, 0.2, ..., 0.8]  # 实际应为 1536 维向量
    },
    # 更多产品...
]

search_client = SearchClient(service_endpoint, index_name, AzureKeyCredential(key))
result = search_client.upload_documents(documents=products)
print(f"上传成功: {len(products)} 条数据")

同时使用关键词和向量进行搜索（这才是真正的威力所在）：

from azure.search.documents.models import VectorizableTextQuery

# 关键词搜索部分
search_text = "平价智能手机"

# 向量搜索部分（实时生成查询向量）vector_query = VectorizableTextQuery(
    text=search_text,
    k_nearest_neighbors=3,
    fields="descriptionVector",
    exhaustive=True
)

# 执行混合搜索
results = search_client.search(
    search_text=search_text,
    vector_queries=[vector_query],
    select=["id", "name"],
    top=5
)

for result in results:
    print(f"ID: {result['id']}, 名称: {result['name']}")

索引分区
按业务维度分索引（如 products_zh / products_en）
对超大数据集使用分片（每个索引不超过 1GB）
批量写入
每次批量提交 100-1000 条（实测 500 条 / 批次效率最高）
启用临时存储加速写入（需额外付费）
查询调优
对精确匹配优先使用 filter
向量搜索时合理设置 k_nearest_neighbors（通常 3 -10）
必要时牺牲 recall 换取 latency（设置 approximate_neighbors=True）

⚠️ 认证失败
错误：403 Forbidden
原因：1. 密钥过期（Azure 密钥默认 180 天过期）2. 权限不足（需要搜索服务管理员权限）⚠️ 维度不匹配
错误：400 Invalid field definition
原因：1. 向量维度与索引定义不符（比如定义 1536 维但传入 512 维）2. 浮点数精度问题（必须使用 float32）⚠️ 费用超标
现象：突然收到高额账单
预防：1. 设置预算警报
2. 测试环境使用基本版（B1）3. 注意存储容量外费用（每 10 万次查询约 $0.10）