在使用 Docker 安装并在网页端打开 Vespa 后，为真正使用其搜索功能，还需进行以下操作： ### 定义数据模型 必须定义数据模型，也就是 schema。schema 描述了文档的结构和字段，以及如何对这些字段进行索引和搜索。以下是一个简单的 schema 示例： ``` schema music { document music { field title type string { indexing: summary | index } field artist type string { indexing: summary | index } } rank-profile default { first-phase { expression: nativeRank } } } ``` 这个 schema 定义了一个名为 `music` 的文档类型，包含 `title` 和 `artist` 两个字段，并且定义了一个默认的排名配置文件。 ### 部署 schema 将定义好的 schema 文件部署到 Vespa 集群。可以使用 Vespa 的部署 API 或者 Vespa CLI 来完成这个操作。使用 Vespa CLI 的示例命令如下： ```bash vespa deploy --wait 300 ``` 这个命令会将当前目录下的配置文件部署到 Vespa 集群，并等待最多 300 秒直到部署完成。 ### 上传数据 将文档数据上传到 Vespa 集群。可以使用 Vespa 的文档 API 来上传单个文档或者批量上传文档。以下是一个使用 Python 脚本上传单个文档的示例： ```python import requests import json document = { "put": "id:music:music::1", "fields": { "title": "Song Title", "artist": "Artist Name" } } url = "http://localhost:8080/document/v1/music/music/docid/" response = requests.post(url, json=document) print(response.json()) ``` ### 执行搜索请求 使用 Vespa 的搜索 API 来执行搜索请求。可以通过 HTTP 请求发送搜索查询，并获取搜索结果。以下是一个简单的搜索请求示例： ```bash curl "http://localhost:8080/search/?query=title:Song" ``` 这个请求会搜索标题包含 "Song" 的文档，并返回搜索结果。 ### 优化搜索结果 根据实际需求，可以进一步优化搜索结果。可以调整排名配置文件、使用高级查询语法、添加搜索过滤器等。例如，修改排名配置文件以提高搜索结果的相关性： ``` rank-profile default { first-phase { expression: fieldMatch(title) + fieldMatch(artist) } } ```