最近需要做一些向量检索，试试ES

一、准备

系统：MacOS 14.3.1

ElasticSearch：8.13.2

Kibana：8.13.2

本地单机环境，无集群，也不基于Docker

BGE是一个常见的文本转向量的模型，在很多大模型RAG应用中常常能见到，但是ElasticSearch中默认没有。BGE模型有很多版本，本次采用的是bge-large-zh-v1.5。下载地址：

HuggingFace：https://huggingface.co/BAAI/bge-large-zh-v1.5

Modelscope：魔搭社区

在国内的话还是从modelscope上下载会更快一些：

git lfs install
git clone https://www.modelscope.cn/AI-ModelScope/bge-large-zh-v1.5.git

下载完后有如下文件（注：可以把其中的.git文件夹删掉以减少体积）：

将下载好的文件放到用户当前目录下。

二、Kibana申请试用【机器学习】

导入其他模型必须要使用ES的Machine Learning（机器学习）功能，该功能是收费的，白金版才能使用，因此需要先点击【试用】，试用没有任何复杂的操作和套路，直接点击就行（试用期限为一个月）。

点【模型管理】->【已训练模型】，初始状态下内置以下几个模型：

三、安装Eland工具上传模型

新建终端，安装Eland

pip install eland

安装完后直接运行以下命令：

eland_import_hub_model --url https://XX.XXX.XXX.XXX:9200 -u elastic -p XXXXXXXXX --ca-cert /Users/XXXXXXX/elasticsearch-8.13.2/config/certs/http_ca.crt --hub-model-id 'bge-large-zh-v1.5' --task-type text_embedding --start

换行模式： 

eland_import_hub_model --url https://XX.XXX.XXX.XXX:9200 \
-u elastic -p XXXXXXXXX \
--ca-cert /Users/XXXXXXX/elasticsearch-8.13.2/config/certs/http_ca.crt \
--hub-model-id 'bge-large-zh-v1.5' \
--task-type text_embedding \
--start

逐行解释： 

eland_import_hub_model                        -- 上传本地或HuggingFace模型到ES中

--url https://XX.XXX.XXX.XXX:9200        --指定ES地址，注意：用https，且尽量用真实的IP地址，不要用localhost

-u elastic -p XXXXXXXXX                       --指定用户名和密码

--ca-cert /Users/XXXXXXX/elasticsearch-8.13.2/config/certs/http_ca.crt     --指定证书路径

--hub-model-id 'bge-large-zh-v1.5'          --指定上传的模型的本地路径，注意：前面不要带/

--task-type text_embedding                     --指定上传的模型的类型，BGE是一个embedding模型

--start                                                       --开始

--hub-model-id 'bge-large-zh-v1.5'，这是上传本地模型的写法，如果本地有的话，就不会再去HuggingFace上下载了，免得需要科学上网不好办。

运行完毕后可看到上传成功的信息：

----------------------------------------------------------

注意事项：

实际不会像上面一样一帆风顺，运行eland_import_hub_model这一步可能会出现若干问题，往往会令人抓狂，网上相关的资料也比较少。笔者遇到了如下几个问题：

问题1. zsh: no matches found: XXXXX

解决方案：

打开.zshrc

vi ~/.zshrc

添加以下内容：

setopt no_nomatch

:wq保存后，再运行以下命令生效：

source ~/.zshrc

问题2：出现elastic_transport.ConnectionError

具体报错信息：

elastic_transport.ConnectionError: Connection error caused by: ProtocolError(('Connection aborted.', RemoteDisconnected('Remote end closed connection without response')))

这个问题是最复杂的，网上找了很久都没有解决方案。

原因：因为要使用机器学习的功能，开了试用，必须配置x-pack，因此也必须要在用Eland传输数据时指定安全证书。因为官网的Eland示例里是不包含证书的，因此一直都没注意到，直到看到这篇文章后才意识到是证书的问题：使用 Elasticsearch 检测抄袭 （二）。

解决方案：

x-pack的配置在elasticsearch.yml中，这两行默认都是true，不用更改。

指定证书：

--ca-cert /Users/XXXXXXX/elasticsearch-8.13.2/config/certs/http_ca.crt

注意注意：此时千万不要随便瞎改elasticsearch.yml和kibana.yml中的其他配置。

问题3：ValueError: TLS options require scheme to be 'https'

raise ValueError("TLS options require scheme to be 'https'")

ValueError: TLS options require scheme to be 'https'

原因：--url http://XX.XXX.XXX.XXX:9200的URL中没有用https。

解决方案：URL改为用https即可。

参考：Import the trained model and vocabulary | Machine Learning in the Elastic Stack [8.13] | Elastic

四、Kibana中查看

至此模型已经上传成功，启动或刷新Kibana，在其中查看。

点到【模型管理】->【已训练模型】，发现有如下信息（提示：需要同步 ML 作业和已训练模型）：

点击【同步作业和已训练模型】->【同步】

同步完后即可看到多了一行，显示状态为“已部署”：

~~至此，bge-large-zh-v1.5模型已成功导入ES，待后续使用啦~~

-----------------------------------------------------------------------------------------------------------

五、其他错误的尝试

本来想看能不能不用Eland，直接把模型放到一个固定的路径下，让ES启动时去加载，也就是采用file-based上传的方式，实际不太行。

参考：ELSER – Elastic Learned Sparse EncodeR | Machine Learning in the Elastic Stack [8.13] | Elastic

切换到elasticsearch-8.13.2/config目录下，新建models文件夹

把下载好的bge模型整个放到models下

编辑elasticsearch-8.13.2/config下的elasticsearch.yml文件，增加一行并保存：

xpack.ml.model_repository: file://${path.home}/config/models/

重启ES和Kibana，发现【模型管理】->【已训练模型】下啥都没变化。