의 순위에 대한 학습 Amazon Elasticsearch Service - Amazon Elasticsearch Service

문서의 영문과 번역 사이에 충돌이 있는 경우에는 영문 버전을 따릅니다. 번역 버전은 기계 번역을 사용하여 제공합니다.

의 순위에 대한 학습 Amazon Elasticsearch Service

Elasticsearch는 BM-25라는 확률적 순위 프레임워크를 사용하여 관련성 점수를 계산합니다. 눈에 띄는 키워드가 문서에 더 자주 나타나면 BM-25는 해당 문서에 더 높은 관련성 점수를 할당합니다. 그러나 이 프레임워크는 클릭 데이터 같은 사용자 행동을 고려하지 않으며, 이는 관련성을 더욱 개선할 수 있습니다.

Learning to Rank는 머신 러닝 및 동작 데이터를 사용하여 문서의 관련성을 조정할 수 있는 오픈 소스 Elasticsearch 플러그인입니다. 플러그인은 XGBoost 및 Ranklib 라이브러리의 모델을 사용하여 검색 결과를 다시 채점합니다.

순위 학습은 탄성 검색 7.7 이상이 필요합니다. 자세한 단계 및 API 설명을 포함하여 기능에 대한 전체 설명서는 순위 학습 문서.

참고

Learning to Ranking 플러그인을 사용하려면 전체 관리자 권한이 있어야 합니다. 자세히 알아보려면 마스터 사용자 수정 단원을 참조하십시오.

순위를 매기는 학습 시작하기

판단 목록을 제공하고, 교육 데이터 세트를 준비하며, 외부에서 모델을 교육해야 합니다. Amazon Elasticsearch Service (Amazon ES). 파란색으로 표시된 부분은 Amazon ES:


        샘플 Learning to Rank 플러그인 프로세스.

단계 1. 플러그인 초기화

Learning to Rank 플러그인을 초기화하려면 다음 요청을 Amazon Elasticsearch Service 도메인:

PUT _ltr
{ "acknowledged" : true, "shards_acknowledged" : true, "index" : ".ltrstore" }

이 명령은 .ltrstore 기능 세트 및 모델과 같은 메타데이터 정보를 저장하는 인덱스입니다.

단계 2. 판단 목록 생성

참고

이 단계는 다음 범위 밖에서 수행해야 합니다. Amazon Elasticsearch Service.

판단 목록은 머신 러닝 모델이 에서 학습하는 예시 모음입니다. 귀하의 판단 목록에는 귀하에게 중요한 키워드와 각 키워드에 대해 등급이 매겨진 문서 세트가 포함되어야 합니다.

이 예에서는 영화 데이터세트 에 대한 판단 목록이 있습니다. 4등급은 완벽한 일치를 나타냅니다. 등급이 0이면 최악 일치를 나타냅니다.

등급 Keyword 문서 ID 영화 이름
4 람보 7555년 람보
3 람보 1370년 람보 III
3 람보 1369년 람보: 첫 번째 혈액 파트 II
3 람보 1368년 첫 번째 혈액

다음 형식으로 판단 목록을 준비합니다.

4 qid:1 # 7555 Rambo 3 qid:1 # 1370 Rambo III 3 qid:1 # 1369 Rambo: First Blood Part II 3 qid:1 # 1368 First Blood where qid:1 represents "rambo"

판단 목록의 보다 완전한 예시는 다음을 참조하십시오. 샘플 판단.

이 판단 목록은 사람의 도움을 받아 수동으로 생성하거나 분석 데이터에서 프로그래밍 방식으로 추론할 수 있습니다.

단계 3. 기능 세트 구성

기능은 문서의 관련성에 해당하는 필드(예: title, overview, popularity score (보기 수) 등이 표시됩니다.

각 기능에 대한 콧수염 템플릿으로 기능 세트를 작성합니다. 기능에 대한 자세한 내용은 을 참조하십시오. 기능 사용.

이 예에서는 movie_features 기능 세트 titleoverview 필드:

POST _ltr/_featureset/movie_features { "featureset" : { "name" : "movie_features", "features" : [ { "name" : "1", "params" : [ "keywords" ], "template_language" : "mustache", "template" : { "match" : { "title" : "{{keywords}}" } } }, { "name" : "2", "params" : [ "keywords" ], "template_language" : "mustache", "template" : { "match" : { "overview" : "{{keywords}}" } } } ] } }

원본을 쿼리하면 .ltrstore 인덱스를 사용하면 기능 세트를 되돌릴 수 있습니다.

GET _ltr/_featureset

단계 4. 기능 값 기록

기능 값은 각 기능에 대해 BM-25가 계산한 관련성 점수입니다.

기능 세트와 판단 목록을 결합하여 기능 값을 기록합니다. 로깅 기능에 대한 자세한 내용은 를 참조하십시오. 로깅 기능 점수.

이 예에서, bool 쿼리는 필터를 사용하여 그레이딩된 문서를 검색한 다음, sltr 쿼리. 더 ltr_log 쿼리는 해당 기능 값을 로그하는 문서와 기능을 결합합니다.

POST tmdb/_search { "_source": { "includes": [ "title", "overview" ] }, "query": { "bool": { "filter": [ { "terms": { "_id": [ "7555", "1370", "1369", "1368" ] } }, { "sltr": { "_name": "logged_featureset", "featureset": "movie_features", "params": { "keywords": "rambo" } } } ] } }, "ext": { "ltr_log": { "log_specs": { "name": "log_entry1", "named_query": "logged_featureset" } } } }

샘플 응답은 다음과 같습니다.

{ "took" : 7, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 4, "relation" : "eq" }, "max_score" : 0.0, "hits" : [ { "_index" : "tmdb", "_type" : "movie", "_id" : "1368", "_score" : 0.0, "_source" : { "overview" : "When former Green Beret John Rambo is harassed by local law enforcement and arrested for vagrancy, the Vietnam vet snaps, runs for the hills and rat-a-tat-tats his way into the action-movie hall of fame. Hounded by a relentless sheriff, Rambo employs heavy-handed guerilla tactics to shake the cops off his tail.", "title" : "First Blood" }, "fields" : { "_ltrlog" : [ { "log_entry1" : [ { "name" : "1" }, { "name" : "2", "value" : 10.558305 } ] } ] }, "matched_queries" : [ "logged_featureset" ] }, { "_index" : "tmdb", "_type" : "movie", "_id" : "7555", "_score" : 0.0, "_source" : { "overview" : "When governments fail to act on behalf of captive missionaries, ex-Green Beret John James Rambo sets aside his peaceful existence along the Salween River in a war-torn region of Thailand to take action. Although he's still haunted by violent memories of his time as a U.S. soldier during the Vietnam War, Rambo can hardly turn his back on the aid workers who so desperately need his help.", "title" : "Rambo" }, "fields" : { "_ltrlog" : [ { "log_entry1" : [ { "name" : "1", "value" : 11.2569065 }, { "name" : "2", "value" : 9.936821 } ] } ] }, "matched_queries" : [ "logged_featureset" ] }, { "_index" : "tmdb", "_type" : "movie", "_id" : "1369", "_score" : 0.0, "_source" : { "overview" : "Col. Troutman recruits ex-Green Beret John Rambo for a highly secret and dangerous mission. Teamed with Co Bao, Rambo goes deep into Vietnam to rescue POWs. Deserted by his own team, he's left in a hostile jungle to fight for his life, avenge the death of a woman and bring corrupt officials to justice.", "title" : "Rambo: First Blood Part II" }, "fields" : { "_ltrlog" : [ { "log_entry1" : [ { "name" : "1", "value" : 6.334839 }, { "name" : "2", "value" : 10.558305 } ] } ] }, "matched_queries" : [ "logged_featureset" ] }, { "_index" : "tmdb", "_type" : "movie", "_id" : "1370", "_score" : 0.0, "_source" : { "overview" : "Combat has taken its toll on Rambo, but he's finally begun to find inner peace in a monastery. When Rambo's friend and mentor Col. Trautman asks for his help on a top secret mission to Afghanistan, Rambo declines but must reconsider when Trautman is captured.", "title" : "Rambo III" }, "fields" : { "_ltrlog" : [ { "log_entry1" : [ { "name" : "1", "value" : 9.425955 }, { "name" : "2", "value" : 11.262714 } ] } ] }, "matched_queries" : [ "logged_featureset" ] } ] } }

이전 예제에서 첫 번째 기능은 ID가 1368인 문서의 제목 필드에 키워드 "rambo"가 나타나지 않으므로 기능 값을 가지고 있지 않습니다. 교육 데이터에서 누락된 기능 값입니다.

단계 5. 교육 데이터세트 작성

참고

이 단계는 다음 범위 밖에서 수행해야 합니다. Amazon Elasticsearch Service.

다음 단계는 판단 목록과 기능 값을 결합하여 교육 데이터 세트를 생성하는 것입니다. 원래 판단 목록이 다음과 같은 경우:

4 qid:1 # 7555 Rambo 3 qid:1 # 1370 Rambo III 3 qid:1 # 1369 Rambo: First Blood Part II 3 qid:1 # 1368 First Blood

이를 최종 교육 데이터세트로 변환합니다.

4 qid:1 1:12.318474 2:10.573917 # 7555 rambo 3 qid:1 1:10.357875 2:11.950391 # 1370 rambo 3 qid:1 1:7.010513 2:11.220095 # 1369 rambo 3 qid:1 1:0.0 2:11.220095 # 1368 rambo

이 단계를 수동으로 수행하거나 프로그램을 작성하여 자동화할 수 있습니다.

단계 6. 알고리즘 선택 및 모델 구축

참고

이 단계는 다음 범위 밖에서 수행해야 합니다. Amazon Elasticsearch Service.

교육 데이터세트가 있는 경우 다음 단계는 XGBoost 또는 Ranklib 라이브러리를 사용하여 모델을 구축하는 것입니다. XGBoost 및 Ranklib 라이브러리를 사용하면 에서 LambdaMART, Random Forests 등과 같은 인기 있는 모델을 구축할 수 있습니다.

XGBoost 및 Ranklib를 사용하여 모델을 구축하는 단계는 XG부스트래더립 각각. Amazon SageMaker를 사용하여 XGBoost 모델을 빌드하려면 다음을 참조하십시오. XG부스트 알고리즘.

단계 7. 모델 배포

모델을 구축한 후 Learning to Rank 플러그인에 배포합니다. 모델 배포에 대한 자세한 내용은 를 참조하십시오. 훈련된 모델 업로드.

이 예에서는 my_ranklib_model Ranklib 라이브러리를 사용하는 모델:

## LambdaMART ## Number of trees = 5 ## Number of leaves = 10 ## Number of threshold candidates = 256 ## Learning rate = 0.1 ## Stop early = 100
POST _ltr/_featureset/movie_features/_createmodel { "model": { "name": "my_ranklib_model", "model": { "type": "model/ranklib+json", "definition": "<ensemble> <tree id="1" weight="0.1"> <split> <feature>1</feature> <threshold>10.357876</threshold> <split pos="left"> <feature>1</feature> <threshold>0.0</threshold> <split pos="left"> <output>-2.0</output> </split> <split pos="right"> <feature>1</feature> <threshold>7.0105133</threshold> <split pos="left"> <output>-2.0</output> </split> <split pos="right"> <output>-2.0</output> </split> </split> </split> <split pos="right"> <output>2.0</output> </split> </split> </tree> <tree id="2" weight="0.1"> <split> <feature>1</feature> <threshold>10.357876</threshold> <split pos="left"> <feature>1</feature> <threshold>0.0</threshold> <split pos="left"> <output>-1.67031991481781</output> </split> <split pos="right"> <feature>1</feature> <threshold>7.0105133</threshold> <split pos="left"> <output>-1.67031991481781</output> </split> <split pos="right"> <output>-1.6703200340270996</output> </split> </split> </split> <split pos="right"> <output>1.6703201532363892</output> </split> </split> </tree> <tree id="3" weight="0.1"> <split> <feature>2</feature> <threshold>10.573917</threshold> <split pos="left"> <output>1.479954481124878</output> </split> <split pos="right"> <feature>1</feature> <threshold>7.0105133</threshold> <split pos="left"> <feature>1</feature> <threshold>0.0</threshold> <split pos="left"> <output>-1.4799546003341675</output> </split> <split pos="right"> <output>-1.479954481124878</output> </split> </split> <split pos="right"> <output>-1.479954481124878</output> </split> </split> </split> </tree> <tree id="4" weight="0.1"> <split> <feature>1</feature> <threshold>10.357876</threshold> <split pos="left"> <feature>1</feature> <threshold>0.0</threshold> <split pos="left"> <output>-1.3569872379302979</output> </split> <split pos="right"> <feature>1</feature> <threshold>7.0105133</threshold> <split pos="left"> <output>-1.3569872379302979</output> </split> <split pos="right"> <output>-1.3569872379302979</output> </split> </split> </split> <split pos="right"> <output>1.3569873571395874</output> </split> </split> </tree> <tree id="5" weight="0.1"> <split> <feature>1</feature> <threshold>10.357876</threshold> <split pos="left"> <feature>1</feature> <threshold>0.0</threshold> <split pos="left"> <output>-1.2721362113952637</output> </split> <split pos="right"> <feature>1</feature> <threshold>7.0105133</threshold> <split pos="left"> <output>-1.2721363306045532</output> </split> <split pos="right"> <output>-1.2721363306045532</output> </split> </split> </split> <split pos="right"> <output>1.2721362113952637</output> </split> </split> </tree> </ensemble>" } } }

모델을 보려면 다음 요청을 보내십시오.

GET _ltr/_model/my_ranklib_model

8단계. 순위를 매길 학습으로 검색

모델을 배포한 후 을 검색할 준비가 되었습니다.

다음을 수행합니다. sltr 에서 사용 중인 기능과 실행할 모델의 이름을 쿼리합니다.

POST tmdb/_search { "_source": { "includes": ["title", "overview"] }, "query": { "multi_match": { "query": "rambo", "fields": ["title", "overview"] } }, "rescore": { "query": { "rescore_query": { "sltr": { "params": { "keywords": "rambo" }, "model": "my_ranklib_model" } } } } }

Learning to Rank를 사용하면, “Rambo”가 첫 번째 결과라고 볼 수 있습니다. 왜냐하면 우리가 판단 목록에서 가장 높은 등급을 지정했기 때문입니다.

{ "took" : 12, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 7, "relation" : "eq" }, "max_score" : 13.096414, "hits" : [ { "_index" : "tmdb", "_type" : "movie", "_id" : "7555", "_score" : 13.096414, "_source" : { "overview" : "When governments fail to act on behalf of captive missionaries, ex-Green Beret John James Rambo sets aside his peaceful existence along the Salween River in a war-torn region of Thailand to take action. Although he's still haunted by violent memories of his time as a U.S. soldier during the Vietnam War, Rambo can hardly turn his back on the aid workers who so desperately need his help.", "title" : "Rambo" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "1370", "_score" : 11.17245, "_source" : { "overview" : "Combat has taken its toll on Rambo, but he's finally begun to find inner peace in a monastery. When Rambo's friend and mentor Col. Trautman asks for his help on a top secret mission to Afghanistan, Rambo declines but must reconsider when Trautman is captured.", "title" : "Rambo III" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "1368", "_score" : 10.442155, "_source" : { "overview" : "When former Green Beret John Rambo is harassed by local law enforcement and arrested for vagrancy, the Vietnam vet snaps, runs for the hills and rat-a-tat-tats his way into the action-movie hall of fame. Hounded by a relentless sheriff, Rambo employs heavy-handed guerilla tactics to shake the cops off his tail.", "title" : "First Blood" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "1369", "_score" : 10.442155, "_source" : { "overview" : "Col. Troutman recruits ex-Green Beret John Rambo for a highly secret and dangerous mission. Teamed with Co Bao, Rambo goes deep into Vietnam to rescue POWs. Deserted by his own team, he's left in a hostile jungle to fight for his life, avenge the death of a woman and bring corrupt officials to justice.", "title" : "Rambo: First Blood Part II" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "31362", "_score" : 7.424202, "_source" : { "overview" : "It is 1985, and a small, tranquil Florida town is being rocked by a wave of vicious serial murders and bank robberies. Particularly sickening to the authorities is the gratuitous use of violence by two “Rambo” like killers who dress themselves in military garb. Based on actual events taken from FBI files, the movie depicts the Bureau’s efforts to track down these renegades.", "title" : "In the Line of Duty: The F.B.I. Murders" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "13258", "_score" : 6.43182, "_source" : { "overview" : """Will Proudfoot (Bill Milner) is looking for an escape from his family's stifling home life when he encounters Lee Carter (Will Poulter), the school bully. Armed with a video camera and a copy of "Rambo: First Blood", Lee plans to make cinematic history by filming his own action-packed video epic. Together, these two newfound friends-turned-budding-filmmakers quickly discover that their imaginative ― and sometimes mishap-filled ― cinematic adventure has begun to take on a life of its own!""", "title" : "Son of Rambow" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "61410", "_score" : 3.9719706, "_source" : { "overview" : "It's South Africa 1990. Two major events are about to happen: The release of Nelson Mandela and, more importantly, it's Spud Milton's first year at an elite boys only private boarding school. John Milton is a boy from an ordinary background who wins a scholarship to a private school in Kwazulu-Natal, South Africa. Surrounded by boys with nicknames like Gecko, Rambo, Rain Man and Mad Dog, Spud has his hands full trying to adapt to his new home. Along the way Spud takes his first tentative steps along the path to manhood. (The path it seems could be a rather long road). Spud is an only child. He is cursed with parents from well beyond the lunatic fringe and a senile granny. His dad is a fervent anti-communist who is paranoid that the family domestic worker is running a shebeen from her room at the back of the family home. His mom is a free spirit and a teenager's worst nightmare, whether it's shopping for Spud's underwear in the local supermarket", "title" : "Spud" } } ] } }

Learning to Rank(순위에 따라 학습) 플러그인을 사용하지 않고 검색하는 경우 Elasticsearch(탄성 검색)는 다음과 같은 다른 결과를 반환합니다.

POST tmdb/_search { "_source": { "includes": ["title", "overview"] }, "query": { "multi_match": { "query": "Rambo", "fields": ["title", "overview"] } } }
{ "took" : 5, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 5, "relation" : "eq" }, "max_score" : 11.262714, "hits" : [ { "_index" : "tmdb", "_type" : "movie", "_id" : "1370", "_score" : 11.262714, "_source" : { "overview" : "Combat has taken its toll on Rambo, but he's finally begun to find inner peace in a monastery. When Rambo's friend and mentor Col. Trautman asks for his help on a top secret mission to Afghanistan, Rambo declines but must reconsider when Trautman is captured.", "title" : "Rambo III" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "7555", "_score" : 11.2569065, "_source" : { "overview" : "When governments fail to act on behalf of captive missionaries, ex-Green Beret John James Rambo sets aside his peaceful existence along the Salween River in a war-torn region of Thailand to take action. Although he's still haunted by violent memories of his time as a U.S. soldier during the Vietnam War, Rambo can hardly turn his back on the aid workers who so desperately need his help.", "title" : "Rambo" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "1368", "_score" : 10.558305, "_source" : { "overview" : "When former Green Beret John Rambo is harassed by local law enforcement and arrested for vagrancy, the Vietnam vet snaps, runs for the hills and rat-a-tat-tats his way into the action-movie hall of fame. Hounded by a relentless sheriff, Rambo employs heavy-handed guerilla tactics to shake the cops off his tail.", "title" : "First Blood" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "1369", "_score" : 10.558305, "_source" : { "overview" : "Col. Troutman recruits ex-Green Beret John Rambo for a highly secret and dangerous mission. Teamed with Co Bao, Rambo goes deep into Vietnam to rescue POWs. Deserted by his own team, he's left in a hostile jungle to fight for his life, avenge the death of a woman and bring corrupt officials to justice.", "title" : "Rambo: First Blood Part II" } }, { "_index" : "tmdb", "_type" : "movie", "_id" : "13258", "_score" : 6.4600153, "_source" : { "overview" : """Will Proudfoot (Bill Milner) is looking for an escape from his family's stifling home life when he encounters Lee Carter (Will Poulter), the school bully. Armed with a video camera and a copy of "Rambo: First Blood", Lee plans to make cinematic history by filming his own action-packed video epic. Together, these two newfound friends-turned-budding-filmmakers quickly discover that their imaginative ― and sometimes mishap-filled ― cinematic adventure has begun to take on a life of its own!""", "title" : "Son of Rambow" } } ] } }

모델이 얼마나 잘 실행되고 있다고 생각하는지에 따라 판단 목록과 기능을 조정합니다. 그런 다음 단계 2-8을 반복하여 시간 경과에 따라 순위 결과를 개선합니다.

순위 학습 API

Learning to Ranking(학습에서 순위 매기기) 작업을 사용하여 기능 세트 및 모델을 프로그래밍 방식으로 작업합니다.

매장 생성

숨겨진 .ltrstore 기능 세트 및 모델과 같은 메타데이터 정보를 저장하는 인덱스입니다.

PUT _ltr

매장 삭제

숨겨진 항목 삭제 .ltrstore 플러그인을 인덱싱하고 재설정합니다.

DELETE _ltr

기능 세트 생성

기능 세트 을 생성합니다.

POST _ltr/_featureset/<name_of_features>

기능 세트 삭제

기능 세트 을(를) 삭제합니다.

DELETE _ltr/_featureset/<name_of_feature_set>

기능 세트 가져오기

기능 세트 을 검색합니다.

GET _ltr/_featureset/<name_of_feature_set>

모델 생성

모델을 만듭니다.

POST _ltr/_featureset/<name_of_feature_set>/_createmodel

모델 삭제

모델을 삭제합니다.

DELETE _ltr/_model/<name_of_model>

모델 가져오기

모델을 검색합니다.

GET _ltr/_model/<name_of_model>

통계 가져오기

플러그인이 어떻게 동작하는지에 대한 정보를 제공합니다.

GET _ltr/_model/<name_of_model>

노드 및/또는 클러스터별로 필터링할 수도 있습니다.

GET _opendistro/_ltr/nodeID,nodeID,/stats/stat,stat { "_nodes" : { "total" : 1, "successful" : 1, "failed" : 0 }, "cluster_name" : "873043598401:ltr-77", "stores" : { ".ltrstore" : { "model_count" : 1, "featureset_count" : 1, "feature_count" : 2, "status" : "green" } }, "status" : "green", "nodes" : { "DjelK-_ZSfyzstO5dhGGQA" : { "cache" : { "feature" : { "eviction_count" : 0, "miss_count" : 0, "entry_count" : 0, "memory_usage_in_bytes" : 0, "hit_count" : 0 }, "featureset" : { "eviction_count" : 2, "miss_count" : 2, "entry_count" : 0, "memory_usage_in_bytes" : 0, "hit_count" : 0 }, "model" : { "eviction_count" : 2, "miss_count" : 3, "entry_count" : 1, "memory_usage_in_bytes" : 3204, "hit_count" : 1 } }, "request_total_count" : 6, "request_error_count" : 0 } } }

통계는 다음 표에 지정된 대로 노드와 클러스터의 두 가지 수준에서 제공됩니다.

노드 수준 통계
필드 이름 설명
요청_총_수 순위 요청의 총 수.
요청_오류_카운트 실패한 요청의 총 수입니다.
캐시 모든 캐시(기능, 기능, 모델)에 대한 통계. 캐시 적중은 사용자가 플러그인을 쿼리하고 모델이 이미 메모리에 로드된 경우에 발생합니다.
캐시.삭제_카운트 캐시 퇴거 수.
캐시.적중_수 캐시 적중 횟수.
캐시.누락_수 캐시 비적중 횟수 사용자가 플러그인을 쿼리하고 모델이 아직 메모리에 로드되지 않은 경우 캐시 비적중이 발생합니다.
캐시.입력_카운트 캐시의 항목 수입니다.
캐시.메모리_사용_바이트 바이트 단위로 사용된 총 메모리.
캐시.캐시_용량_도달됨 캐시 제한에 도달했는지 여부를 나타냅니다.
클러스터 수준 통계
필드 이름 설명
매장 기능이 설정된 위치 및 모델 메타데이터가 저장되는 위치를 나타냅니다. (기본값은 “.ltrstore”입니다. 그렇지 않은 경우 앞에 ".ltrstore_"가 붙고 사용자가 이름을 입력합니다.
매장.상태 인덱스의 상태입니다.
매장.기능_세트 기능 세트 수.
매장.기능_카운트 기능 수.
매장.모델_카운트 모델 수.
status 피처 저장소 인덱스 상태(빨간색, 노란색 또는 녹색) 및 회로 차단기 상태(열림 또는 닫힘)에 기반한 플러그인 상태.
캐시.캐시_용량_도달됨 캐시 제한에 도달했는지 여부를 나타냅니다.

캐시 통계 가져오기

캐시 및 메모리 사용량에 대한 통계를 반환합니다.

GET opendistro/_ltr/_cachestats { "_nodes": { "total": 2, "successful": 2, "failed": 0 }, "cluster_name": "es-cluster", "all": { "total": { "ram": 612, "count": 1 }, "features": { "ram": 0, "count": 0 }, "featuresets": { "ram": 612, "count": 1 }, "models": { "ram": 0, "count": 0 } }, "stores": { ".ltrstore": { "total": { "ram": 612, "count": 1 }, "features": { "ram": 0, "count": 0 }, "featuresets": { "ram": 612, "count": 1 }, "models": { "ram": 0, "count": 0 } } }, "nodes": { "ejF6uutERF20wOFNOXB61A": { "name": "elasticsearch3", "hostname": "172.18.0.4", "stats": { "total": { "ram": 612, "count": 1 }, "features": { "ram": 0, "count": 0 }, "featuresets": { "ram": 612, "count": 1 }, "models": { "ram": 0, "count": 0 } } }, "Z2RZNWRLSveVcz2c6lHf5A": { "name": "elasticsearch1", "hostname": "172.18.0.2", "stats": { ... } } } }

캐시 지우기

플러그인 캐시를 지웁니다. 이 옵션을 사용하여 모델을 새로 고칩니다.

POST opendistro/_ltr/_clearcache