vespa-engine/vespa

Vespa – 大规模搜索与AI服务化平台

是什么 – Vespa 是一个开源的高性能平台，用于大规模提供搜索、推荐、个性化及其他AI驱动的查询服务。它支持存储和查询文本、结构化字段、向量和张量，并在保持延迟低于100毫秒的前提下，对数据运行机器学习模型，即使在大规模且持续变化的数据集上也是如此。

核心功能

• 混合数据处理 – 在同一服务中索引和检索纯文本、类似JSON的结构化数据，以及高维向量/张量。
• 实时推理 – 部署Java（或其他）模型组件，在查询时执行，实现排名、分类或基于嵌入的相似性匹配，无需单独的模型服务层。
• 分布式、容错架构 – 数据在节点间分片；查询并行化，结果聚合，提供任何规模下的高可用性和低延迟。
• 内置排名与聚合 – 使用声明式查询语言，可在单个请求中组合相关性评分、自定义排名函数和聚合（如分类、直方图）。
• 云原生与本地部署 – 可作为托管云服务（提供免费试用）运行，或使用提供的Docker镜像和安装指南自行部署。
• 可扩展的Java组件 – 使用Java编写自定义排名或处理逻辑，并将其插入查询管道中。

典型应用场景

• 大规模网页搜索或站内搜索
• 每次查询需对数百万项进行打分的推荐引擎
• 结合用户信号与ML模型的个性化流水线
• 嵌入向量相似性搜索（如语义搜索、图像检索）
• 要求结果在数十毫秒内返回的实时分析

快速入门

1. 试用托管服务 – 访问 vespa.ai/free-trial 注册并从文档中部署一个示例应用。
2. 本地运行 – 按照文档中的 Getting started 指南，使用Docker或原生安装启动单节点Vespa实例。
3. 添加自定义逻辑 – 使用开发者指南创建Java组件，打包为Vespa应用，并通过Vespa API上传。
4. 横向扩展 – 当需要冗余或更高吞吐量时，按照 multinode systems 指南添加节点。

构建与贡献

• 仓库包含Vespa的完整源码（C++核心 + Java模块）。用户可选择是否自行构建；预构建二进制文件通过Maven和Docker分发。
• 贡献者可参考README中指向的AlmaLinux 8、Maven 3.8+ 和 Java 17的Docker开发环境。详细构建步骤（bootstrap.sh java, mvn install）和测试说明（BATS用于shell脚本）已提供。
• 贡献指南、代码地图和待办事项列表帮助新手理解庞大的代码库。

文档与社区

• 主页：https://vespa.ai
• 完整文档：https://docs.vespa.ai
• 示例应用：https://github.com/vespa-engine/sample-apps
• 博客、Slack和问题追踪器均在README中链接，用于支持与更新。

许可证 – Apache 2.0（参见 LICENSE 文件）。

---

以上所有信息均直接来自仓库的README，未推断任何额外功能。