Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/gottingen/kumo-search
docs for search system and ai infra
https://github.com/gottingen/kumo-search
ai deep-learning inference-engine neural-network performance python search-engine tensorflow tensorflow2
Last synced: about 2 months ago
JSON representation
docs for search system and ai infra
- Host: GitHub
- URL: https://github.com/gottingen/kumo-search
- Owner: gottingen
- License: apache-2.0
- Created: 2023-04-02T09:10:46.000Z (over 1 year ago)
- Default Branch: master
- Last Pushed: 2024-07-16T12:00:46.000Z (2 months ago)
- Last Synced: 2024-07-16T14:44:14.896Z (2 months ago)
- Topics: ai, deep-learning, inference-engine, neural-network, performance, python, search-engine, tensorflow, tensorflow2
- Homepage:
- Size: 177 MB
- Stars: 248
- Watchers: 19
- Forks: 26
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- Changelog: NEWS.md
- License: LICENSE
Awesome Lists containing this project
README
![][50]
|
应用
-
安装
-
开发
-
文档
-
深度学习
-
FAQ
-
TIPS
-
EA半小时
-
技术专题
|
# 端到端搜索
`kumo search`
是一个端到端搜索引擎框架，支持全文检索、倒排索引、正排索引、排序、缓存、索引分层、干预系统、特征收集、离线计算、存储系统等功能。`kumo search`
运行在 `EA`(Elastic automic infrastructure architecture)
平台上，支持在多机房、多集群上实现`工程自动化`、`服务治理`、`实时数据`、`服务降级与容灾`等功能。
随着互联网的发展，全网搜索已经不再是获取信息的唯一途径。很多垂直的信息服务，如电商、社交、新闻等，都有自己的搜索引擎。
这些搜索引擎的特点是：数据量中等，业务复杂，用户体验要求高。这些搜索引擎的开发，需要大量的工程和算法支持。`kumo search`旨在
提供一套开箱即用的搜索引擎框架，帮助用户快速搭建自己的搜索引擎。在这个框架上，用户可以通过项目内的AOT编译器，用
`python`编写业务逻辑，框架会自动生成`c++`代码，并生成二进制动态库，动态更新到搜索引擎中。从而实现搜索引擎的快速迭代。
# 功能展示
![][51]
# 项目概览
## 基础库项目
| 序号 | 项目名 | 说明 | 说明 |
|:---|:----------------------|:------------------------------------------|:-----------------------------------|
| 1 | [collie][1] | 引用外部header only library 如jason，toml等，统一管理 | |
| 2 | [turbo][2] | hash，log，容器类，字符串相关操作 | |
| 3 | [melon][3] | rpc通信 | |
| 4 | [alkaid][4] | 文件系统封装、本地文件，hdfs，s3等 | 文件系统统一api，zlib，lz4，zst unified api |
| 5 | [mizar][5] | 基于rocksdb，toplingdb存储引擎内核 | 待开发wisekey功能，暂时先用rocksdb官方版本 |
| 6 | alioth玉衡 | 表格内存 | 开发中 |
| 7 | megrez天权 | 数据集读写 | hdf5 cvs bin已完成，待封装高级c++api |
| 8 | [phekda][8] | 统一向量引擎访问api UnifiedIndex，简化接口 | 支持snapshot，过滤插件 |
| 9 | merak天璇 | 综合搜索引擎内核 | 待开发 |
| 10 | dubhe 天枢 | nlp内核 | 待开发 |
| 11 | [flare][11] | gpu、cpu高维张量计算，等计算 | |
| 12 | [theia][12] | 基于opengl图形图像显示，服务端不可用（无显示设备） | |
| 13 | [dwarf][13] | jupyter协议c++内核 | |
| 14 | [exodus][14] | hercules and other jupyter应用 | 完成 |
| 15 | [hercules][15] | python aot编译器 | |
| 16 | [carbin][16] | c++包管理器，cmake生成器 | 完成 |
| 17 | [carbin-template][17] | cmake模板库 | 完成 |
| 18 | [carbin-recipes][18] | carbin recipes 依赖库自定义配置 | 完成 |
| 18 | hadar | suggest 搜索建议服务 内核 | 接近完成，商用不开源 |
| 19 | [neptune][19] | ea 前端服务 | 开发中 |
## kumo search 服务项目
| 序号 | 项目名 | 说明 | 进度 |
|:---|:-------------|:------------------------------------|:----------|
| 1 | [sirius][31] | EA元数据服务器 服务发现，全局时钟服务，全局配置服务， 全局id服务 | 完成 |
| 2 | polaris | 向量引擎单机服务 | 完成 |
| 3 | elnath | 综合搜索引单机服务 | 开发中 |
| 4 | vega | 向量引擎数据库集群版 | 完成 商用不开源 |
| 5 | arcturus | 综合搜索引擎集群版 | 开发中 商用不开源 |
| 6 | pollux | 综合引擎业务控制台 | 开发中 商用不开源 |
| 7 | capella | ltr排序服务 | 开发中 商用不开源 |
| 8 | aldebaran | suggest搜索建议服务集群 | 开发中 商用不开源 |
| 9 | nunki | nlp服务 | 开发中 商用不开源 |
# [EA半小时](docs/halfanhour.md)
**半小时系列, 关注基于`EA`基础设施快速搭建企业级应用服务，侧重实际操作，快速上手，快速开发，快速部署，快速迭代。**
* [a001-hala-ea](docs/half/a001-hala-ea.md) - 基础环境安装，使用carbin创建项目
* [a002-hala-ea](docs/half/a002-hala-ea.md) - 创建一个c++应用，在cmake创建库并使用
* [a003-hala-ea](docs/half/a003-hala-ea.md) - 创建一个c++库，使用googletest进行单元测试
* [a004-hala-restful](docs/half/a004-hala-restful.md) - 使用melon库, 创建一个restful服务
* [a005-hala-echo](docs/half/a005-hala-echo.md) - 使用melon库, 创建一个echo服务
* [a006-hala-vue](docs/half/a006-hala-vue.md) - 创建一个cache服务，并提供浏览器访问界面
* [a007-hala-vue-ext](docs/half/a007-hala-vue-ext.md) - cache服务源码解读
* [a008-hala-kv](docs/half/a008-hala-kv.md) - 单机kv服务完整实现
* [a009-hala-dkv](docs/half/a009-hala-dkv.md) - 分布式kv服务-1
* [a010-hala-dkv](docs/half/a010-hala-dkv.md) - 分布式kv服务-2 服务管理
# [搜索架构之旅](https://juejin.cn/user/42219472170896/columns)
**本专题主要介绍搜索引擎的基础知识，以及随着搜索技术和搜索业务的发展，搜索架构的演进，升级和设计，以及背后的技术原理和实现。
**
## 走近AI：向量检索系列
* [一 向量检索为何受到工业界和开发者青睐？](https://juejin.cn/post/7381372851121831974?searchId=20240619101012ED67E7AC3C349325CB2F)
# 基础环境与CI/CD
`EA`是服务端应用的基础架构，`EA`目前支持`centos`和`ubuntu`两种操作系统，`mac`系统目前在开发中， 尽最大可能支持`mac`
系统。但目前并没有
尝试，为方便编译和ide开发，后续部分功能可能进行尝试兼容。基础环境部署参见[安装与使用](docs/inf/inf.md)
`EA`体系的`cicd`使用[carbin][4]工具进行管理。`carbin`是一个`c++`包管理器，`cmake`生成器，`cicd`工具。`carbin`可以下载第三方依赖库，
生成`cmake`构建系统，进行工程编译和部署。`carbin`的使用参见[carbin docs](https://carbin.readthedocs.io/zh-cn/latest/)
| | carbin | conda | cmake | CPM | conan | bazel |
|-------|---------------|-------------|---------|---------|---------------|-------------|
| 使用复杂度 | easy | middle | hard | middle | hard | hard |
| 安装难度 | pip easy | binary easy | NA easy | cmake | pip easy | binary hard |
| 依赖模式 | source/binary | binary | source | source | source/binary | source |
| 依赖树 | support | support | support | support | support | support |
| 本地源码 | support | NA | support | support | NA | support |
| 兼容性 | good | middle | good | good | good | poor |
| 速度 | good | middle | poor | poor | good | poor |
| | | | | | | |
conda是一款不错的管理工具，没有选择conda，是因为conda的编译依赖项比较复杂，而且编译选项经常会出现问题，不太适合c++工程的编译。
cmake自带的管理工具，不太适合大型工程的管理，每次重新编译项目可能导致重新下载依赖库，编译时间过长。CPM是一个c++包管理器，同样，在国内的网络
环境下，下载依赖库速度较慢，不太适合大型工程的管理。conan是一个c++包管理器，但是conan的依赖库下载速度较慢，不太适合大型工程的管理。
同时carbin也是非常适合c++工程的管理，carbin能够快速生成c++项目管理cmake体系，统一了项目编译过程，选项配置，以及编译后安装导出的变量规则，
`EA`体系的项目可以通过固定规则`find_package`找到项目和项目对象.当时也适合任何基于`cmake`的项目使用。
如果基于docker开发，`EA` 提供了已经基础开发[ea inf](https://hub.docker.com/repository/docker/lijippy/ea_inf/general)容器:
centos7-openssl11-python-310-gcc-9.3:
lijippy/ea_inf:c7_base_v1
# [服务与应用](docs/product.md)
* 天空中最亮的星 ———— [集群元数据服务](docs/application/sirius/sirius.md) - 服务发现，全局时钟服务，全局配置服务，全局id服务
# 技术专题
* [cmake有点甜](cicd/sweet_cmake.md) - 利用cmake构建系统进行工程编译和部署，实现cicd自动化。
* [走近AI：向量检索](vecsearch/vector.md) - 向量检索是一种基于向量相似度的检索技术，本文介绍了向量检索的基本原理和应用场景,
以及kumo搜索引擎的实现。
## 作者
* @author Jeff.li vicky codejie
* @email [email protected]
[1]: https://github.com/gottingen/collie
[2]: https://github.com/gottingen/turbo
[3]: https://github.com/gottingen/melon
[4]: https://github.com/gottingen/alkaid
[5]: https://github.com/gottingen/mizar
[8]: https://github.com/gottingen/phekda
[11]: https://github.com/gottingen/flare
[12]: https://github.com/gottingen/theia
[13]: https://github.com/gottingen/dwarf
[14]: https://github.com/gottingen/exodus
[15]: https://github.com/gottingen/hercules
[16]: https://github.com/gottingen/carbin
[17]: https://github.com/gottingen/carbin-template
[18]: https://github.com/gottingen/carbin-recipes
[19]: https://github.com/gottingen/neptune
[31]: https://github.com/gottingen/sirius
[50]: images/kumo_search_logo.png
[51]: images/kumo_search.gif
[52]: images/K_64x64.png