2.4標準
製品説明をベクトル化し、カテゴリと公開状態で絞り込んで類似検索する。
ベクトル次元数とメタデータ型を一貫させたい。
最も適切な設計はどれか。
× 不正解
OpenSearchのknn_vector mappingで次元数・距離指標を固定し、属性フィルタとインデックス更新を設計する。
詳細解説
正しいknn_vectorフィールドと属性フィールドを明示したindex mappingを作る
ベクトル次元・類似度・属性型を定義し、近傍検索とフィルタを組み合わせられる。
ベクトル次元・類似度・属性型を定義し、近傍検索とフィルタを組み合わせられる。
誤りベクトルを全文textフィールドへ格納する
数値ベクトルとして近傍距離を計算できず、検索精度と型安全性を失う。
数値ベクトルとして近傍距離を計算できず、検索精度と型安全性を失う。
誤りすべての属性をS3キー名へ連結する
属性フィルタを構造化して実行できず、更新も難しい。
属性フィルタを構造化して実行できず、更新も難しい。
誤りDynamoDB TTLでベクトル次元を管理する
TTLは期限削除であり、インデックスの型や次元を管理しない。
TTLは期限削除であり、インデックスの型や次元を管理しない。
実際に確かめる
一時的な検証環境で実行できる例です。
Amazon OpenSearch Service vector search、knn_vector、index mappingの公式説明を確認する。期待される結果
ベクトル型・次元数・属性フィールドをmappingで管理する理由を説明できる。理解のポイント
- knn_vector
- 次元数
- Index mapping
- 属性フィルタ
確認時の注意
- 確認環境: AWS公式DEA-C01試験ガイドと各サービスの公式ドキュメントの確認
- AWS公式DEA-C01 Domain 2・Task 2.4と各サービスの公式ドキュメントを確認する。
基礎のおさらい
型の整合
埋め込みモデル変更時は次元数と距離指標が変わるため、別フィールド・別インデックスを検討する。
ハイブリッド検索
ベクトル類似度とキーワード・属性条件を組み合わせ、結果の関連性を評価する。
問題IDAWS-DEA-178
確認環境AWS公式DEA-C01試験ガイドと各サービスの公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告