要将 Haystack 与 Elasticsearch 或 OpenSearch 集成，首先要配置一个文档存储，并使用 Haystack 的内置组件与您的搜索引擎进行交互。 Haystack 提供了专用的文档存储类（ElasticsearchDocumentStore 和 OpenSearchDocumentStore），用于处理与这些引擎的通信。 首先，安装所需的软件包：Elasticsearch 使用 pip install farm-haystack[elasticsearch]，OpenSearch 使用 pip install farm-haystack[opensearch]。 通过指定主机、端口和身份验证详细信息来配置文档存储。 例如，初始化 ElasticsearchDocumentStore(host="localhost", port=9200, index="documents") 或 OpenSearchDocumentStore(host="aws-opensearch-instance", port=443, use_ssl=True)。 确保您的 Elasticsearch/OpenSearch 实例正在运行并且可以访问，然后再继续。
接下来，将文档写入存储并设置检索。 将您的数据转换为 Haystack Document 对象（例如，Document(content="Your text", meta={"source": "file1"})），然后使用 document_store.write_documents(docs) 对它们进行索引。 对于搜索，创建一个检索器，例如 BM25Retriever(document_store=document_store) 来执行基于关键字的搜索。 Haystack 的检索器与管道一起工作，允许您组合预处理器或排序器等组件。 例如，一个基本管道可能只包含检索器：pipeline = Pipeline(); pipeline.add_node(component=retriever, name="Retriever", inputs=["Query"])。 使用 pipeline.run(query="your query") 执行搜索，以获取按相关性排序的结果。 如果使用 OpenSearch，除了文档存储类名外，过程是相同的。
对于高级用例，请考虑混合搜索（结合关键字搜索和向量搜索）或性能优化。 要启用混合搜索，请添加一个嵌入模型（例如，SentenceTransformersDocumentEmbedder）以生成向量表示，然后使用 EnsembleRetriever 合并来自 BM25 和密集检索器的结果。 通过使用 document_store.write_documents(docs, batch_size=500) 批量写入文档来优化索引性能。 为了安全起见，请在文档存储参数中配置 SSL/TLS（例如，verify_certs=True, ca_certs="/path/to/cert"）。 检查版本兼容性：Haystack 1.22 支持 Elasticsearch 7.x-8.x 和 OpenSearch 1.x-2.x。 如果发生错误，请使用 document_store.check_supported_version() 验证搜索引擎版本是否符合 Haystack 的要求。