向量数据库及 LangChain 用法

最新推荐文章于 2024-08-02 10:25:20 发布

嘴巴吃糖了

最新推荐文章于 2024-08-02 10:25:20 发布

阅读量1k

点赞数 8

文章标签：数据库 langchain 语言模型人工智能 ai 深度学习机器学习

本文链接：https://blog.csdn.net/YoungOne2333/article/details/140791853

版权

前言

当今科技领域的发展日新月异，向量数据库成为了热门的话题之一。

这些数据库以其高效的向量检索和相似度搜索功能，为各种应用场景提供了强大的支持。

本文旨在汇总向量数据库

Milvus、Zilliz、Faiss、Qdrant、LlamaIndex、Chroma、LanceDB、Pinecone、Weaviate、

基本介绍

1. Milvus

Milvus是一个开源的向量相似度搜索引擎，由Zilliz团队开发。它提供了高性能的向量检索和相似度搜索功能，支持海量数据的快速查询。Milvus支持多种向量类型和距离度量方法，并提供了易于使用的API和丰富的功能，使得开发者可以轻松构建各种应用，如图像搜索、推荐系统和自然语言处理。

2. Zilliz:

Zilliz是一家专注于大规模向量数据分析的公司，他们开发了多个与向量相关的开源项目，其中包括Milvus和Chroma。Zilliz致力于提供高效的向量数据处理和分析解决方案，帮助用户在海量数据中进行快速的相似度搜索和数据分析。

3. Faiss:

Faiss是Facebook AI Research开发的一个高性能向量相似度搜索库。它支持多种向量索引结构和距离度量方法，并提供了高效的搜索算法，能够在大规模数据集上进行快速的相似度搜索。Faiss被广泛应用于图像识别、语音识别和自然语言处理等领域。

4. Qdrant:

Qdrant是一个开源的向量搜索引擎，由Qdrant团队开发。它提供了高性能的向量检索和相似度搜索功能，支持多种向量类型和距离度量方法。Qdrant还提供了丰富的查询语法和灵活的配置选项，使得用户可以根据自己的需求进行定制化的搜索。

Qdrant 因其易用性和用户友好的开发者文档，面世不久即获得关注。

Qdrant 以 Rust 语言构建，提供 Rust、Python、Golang 等客户端 API，能够满足当今主流开发人员的需求。

不过， Qdrant 作为后起之秀，和其他竞品仍然存在一定差距，例如界面及查询功能不够完善。

5. LlamaIndex:

LlamaIndex是一个基于向量的数据库引擎，由Llama Labs开发。它提供了高效的向量存储和检索功能，支持多种向量类型和距离度量方法。LlamaIndex还提供了易于使用的API和丰富的功能，使得开发者可以快速构建各种应用，如推荐系统、广告投放和智能搜索。

6. Chroma:

Chroma是Zilliz团队开发的一个开源的向量数据管理系统。它提供了高效的向量存储和查询功能，支持多种向量类型和距离度量方法。Chroma还提供了可扩展的架构和分布式计算能力，能够处理大规模的向量数据集。

Qdrant Cloud VS Zilliz Cloud

–这两个都是云服务，不同点在于

Qdrant 更适合追求低成本基础设施维护的开发人员。

而如果应用系统更注重性能和可扩展性，Zilliz Cloud/Milvus 是更合适的选择。因为 Zilliz Cloud/Milvus 具备可扩展性极强、性能更佳、延时更低的特点，适用于对性能指标有着严格要求的场景。

每秒查询次数（QPS）

测试结果显示，在 10,000,000 条 768 维的向量数据中进行检索时，Zilliz Cloud 两款实例的 QPS 分别是 Qdrant Cloud 实例的 7 倍和 1 倍。

具体见参考资料

Qdrant 用法

架构

同其他数据库一样，支持本地和服务器部署

docker 部署

提取预构建的 Docker 映像并运行容器：

docker pull qdrant/qdrant
docker run -d -p 7541:6333 --ip=10.0.180.16  qdrant/qdrant     # 7541对外，6333是容器端口，必须是6333或者6334

-d 后台启动服务后

Access web UI at http://localhost:6333/dashboard

2023-12-06T04:43:43.136073Z  INFO storage::content\_manager::consensus::persistent: Initializing new raft state at ./storage/raft\_state.json    
2023-12-06T04:43:43.552838Z  INFO qdrant: Distributed mode disabled    
2023-12-06T04:43:43.552926Z  INFO qdrant: Telemetry reporting enabled, id: 9fcc223f-6fbe-4932-8a31-4663683e1baf    
2023-12-06T04:43:43.564727Z  INFO qdrant::tonic: **Qdrant gRPC listening on 6334**    
2023-12-06T04:43:43.564772Z  INFO qdrant::tonic: TLS disabled for gRPC API    
2023-12-06T04:43:43.565817Z  INFO qdrant::actix: TLS disabled for REST API    
2023-12-06T04:43:43.565952Z  INFO qdrant::actix: **Qdrant HTTP listening on 6333 **   
2023-12-06T04:43:43.565991Z  INFO actix\_server::builder: Starting 95 workers

即可访问 http://10.0.180.16:7541/dashboard

安装包

pip install qdrant-client pymilvus

langchain demo

包括本地和 url 用法，下面的代码是将文本转换成向量并存储到数据库

from langchain.vectorstores import Qdrant
from langchain.schema import Document
from langchain.embeddings.huggingface import HuggingFaceEmbeddings

docs \= \[Document(page\_content=u'avc')\]
embeddings \= HuggingFaceEmbeddings(
            model\_name\=r"F:\\weights\\text2vec-base-chinese")

# qdrant = Qdrant.from\_documents(
#     docs,
#     embeddings,
#     location=":memory:",        # 这个可以 Local mode with in-memory storage only
#     # path="emb\_qdrant\_pickle2",  # 不行
#     collection\_name="my\_documents",
# )
qdrant \= Qdrant.from\_documents(
    docs,
    embeddings,
    url\='10.0.180.16:7541',
    prefer\_grpc\=False,　　# 上面起服务用 6333，这里就需要False
    collection\_name\="my\_documents",　　# 这个随便
)
print(qdrant.similarity\_search('a'))

读取已存储的数据

from langchain.vectorstores import Qdrant
from langchain.embeddings.huggingface import HuggingFaceEmbeddings
import qdrant\_client
 
embeddings \= HuggingFaceEmbeddings(model\_name=r"F:\\weights\\text2vec-large-chinese")
client \= qdrant\_client.QdrantClient(
    url\='10.0.180.16:7541', prefer\_grpc=False
)
qdrant \= Qdrant(
    client\=client, collection\_name="my\_documents",
    # embedding\_function=embeddings.embed\_query,　　# 这里报过错，可查看源码
    embeddings=embeddings
)
 
found\_docs \= qdrant.similarity\_search('员工绩效管理模式有哪些')
print(found\_docs)

加上 filter 过滤

embeddings = OpenAIEmbeddings(deployment="text-embedding-ada-002")

client \= qdrant\_client.QdrantClient(
        url\='10.0.180.x6:7541', prefer\_grpc=False
    )

question \= 'Idarat Al Mukhabarat Al Jawiyya'
vector \= embeddings.embed\_query(question)
search\_result \= client.search(
    collection\_name\="company3",
    query\_vector\=vector,
    query\_filter\=Filter(
        must\=\[FieldCondition(key="metadata.language", match=MatchValue(value="id"))\]
    ),
    with\_payload\=True,
    limit\=3,
)

print(search\_result)

View Code

纯 python 代码

from qdrant\_client.http.models import PointStruct
from langchain.vectorstores import Qdrant
import qdrant\_client
from qdrant\_client.http.models import Distance, VectorParams
from qdrant\_client.http.models import Filter, FieldCondition, MatchValue

client \= qdrant\_client.QdrantClient(
        url\='10.0.180.16:7541', prefer\_grpc=False
    )

#\## 创建collection
client.create\_collection(
    collection\_name\="test\_collection",
    vectors\_config\=VectorParams(size=4, distance=Distance.DOT),
)
#\## 写入
operation\_info = client.upsert(
    collection\_name\="test\_collection",
    wait\=True,
    points\=\[
        PointStruct(id\=1, vector=\[0.05, 0.61, 0.76, 0.74\],
        payload\={"page\_content": "Berlin", "metadata":{"language": "ru", "recodeid": 523622}}),
        PointStruct(id\=2, vector=\[0.19, 0.81, 0.75, 0.11\],
        payload\={"page\_content": "London", "metadata":{"language": "xx", "recodeid": 523622}}),
    \],
)

#\## 带条件查询
search\_result = client.search(
    collection\_name\="test\_collection",
    query\_vector\=\[0.2, 0.1, 0.9, 0.7\],
    query\_filter\=Filter(
        must\=\[FieldCondition(key="metadata.language", match=MatchValue(value="xx"))\]
    ),
    with\_payload\=True,
    limit\=3,
)

print(search\_result)

FAISS 用法

Faiss是一个高效地稠密向量相似检索和聚类的工具包，

由Facebook开发，由C++编写，并且提供了python2和python3的封装。

安装

pip install faiss-cpu
pip install faiss\-gpu

用法

xb 对于数据库，它包含所有必须编入索引的向量，并且我们将搜索它。它的大小是nb-by-d
xq对于查询向量，我们需要找到最近的邻居。它的大小是nq-by-d。如果我们只有一个查询向量，则nq = 1

import numpy as np
d \= 3                           # dimension
nb = 5                      # database size 从多少个里面找最近的
nq = 2                       # nb of queries 有多少个被查找的
xb \= np.array(\[\[1, 1, 1\], \[1.2, 1.3, 1.2\], \[3, 3, 3\], \[5, 5, 5\], \[5.2, 5.3, 5.2\]\]).astype('float32')
# xb\[:, 0\] += np.arange(nb) / 1000.
xq = np.array(\[\[1.1, 1, 1\], \[5.2, 5.2, 5.2\]\]).astype('float32')
# xq\[:, 0\] += np.arange(nq) / 1000.

import faiss                   # make faiss available
index = faiss.IndexFlatL2(d)   # build the index
print(index.is\_trained)
index.add(xb)                  # add vectors to the index
print(index.ntotal)

k \= 4                          # we want to see 4 nearest neighbors
D, I = index.search(xb\[:5\], k) # sanity check
print(I)
# \[\[0 1 2 3\]      第一行代表 和 xb\[0\]即\[1.1, 1, 1\] 最近的 4个元素，由近及远
#  \[1 0 2 3\]        第二行代表 和 xb\[1\]即\[1.2, 1.3, 1.2\] 最近的 4个元素，由近及远
#  \[2 1 0 3\]
#  \[3 4 2 1\]
#  \[4 3 2 1\]\]
print(D)
# \[\[ 0.          0.17000002 12.         48.        \]    对应上面的实际距离
#  \[ 0.          0.17000002  9.37       42.57      \]
#  \[ 0.          9.37       12.         12.        \]
#  \[ 0.          0.16999996 12.         42.57      \]
#  \[ 0.          0.16999996 14.969999   47.999996  \]\]
D, I \= index.search(xq, k)     # actual search
print(I\[:5\])                   # neighbors of the 5 first queries
print(I\[-5:\])

Chroma 用法

非 langchain 用法

import chromadb
# 获取Chroma Client对象
chroma\_client = chromadb.Client()
# 创建Chroma数据集
collection = 
chroma\_client.create\_collection(name\="my\_collection")
# 添加数据
collection.add(
documents\=\["This is an apple", "This is a banana"\],
metadatas\=\[{"source": "my\_source"}, {"source": 
"my\_source"}\],
ids\=\["id1", "id2"\]
)
# 查询数据
results = collection.query(
query\_texts\=\["This is a query document"\],
n\_results\=2
)
results

langchain 统一用法

暂未验证

#\## 创建VectorStore对象
# 通过HuggingFace创建embedding\_function
embeddings = HuggingFaceEmbeddings(model\_name=model)
# 创建VectorStore的具体实现类Chroma对象，并指定collection\_name和持久化目录
vector = Chroma(collection\_name = 'cname', embedding\_function=embeddings,persist\_directory='/vs')

# 先将文本拆分并转化为doc
loader = TextLoader(url,autodetect\_encoding = True)
docs \= loader.load()
text\_splitter \= RecursiveCharacterTextSplitter(chunk\_size=1000, chunk\_overlap=200)
splits \= text\_splitter.split\_documents(docs)
# 插入向量数据库
vector.add\_documents(documents=splits)

###
# 删除id为1的doc对象
vector.delete('1')

###
# 根据file\_id的条件，查询到所有符合的doc对象的id
reuslt = vector.get(where={"file\_id":file\_id})
# 使用delete方法，批量删除这些id对应的doc对象
if reuslt\['ids'\] :
    vector.delete(reuslt\['ids'\])

###
# 删除id为2的doc对象
vector.delete('2')
# 插入新的doc对象
vector.add\_documents(new\_doc)

###
# 查询与“语义检索”最相似的doc对象
docs = vector.similarity\_search("语义检索")

# 打印查询结果
for doc in docs:
    print(doc)

# 查询与“语义检索”最相似的doc对象，并返回分数
docs\_with\_score = vector.similarity\_search\_with\_score("语义检索")

# 打印查询结果和分数
for doc\_with\_score in docs\_with\_score:
    print(doc\_with\_score\[0\], doc\_with\_score\[1\])

#\## 
# 查询与“LangChain”相关的但不相似的doc对象
docs = vector.max\_marginal\_relevance\_search("LangChain")

# 打印查询结果
for doc in docs:
    print(doc)

最后

感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。

因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

五、面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。
在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

嘴巴吃糖了

关注

8
点赞
踩
20

收藏

觉得还不错? 一键收藏
0
评论
向量数据库及 LangChain 用法

1. MilvusMilvus是一个开源的向量相似度搜索引擎，由Zilliz团队开发。它提供了高性能的向量检索和相似度搜索功能，支持海量数据的快速查询。Milvus支持多种向量类型和距离度量方法，并提供了易于使用的API和丰富的功能，使得开发者可以轻松构建各种应用，如图像搜索、推荐系统和自然语言处理。2. Zilliz:Zilliz是一家专注于大规模向量数据分析的公司，他们开发了多个与向量相关的开源项目，其中包括Milvus和Chroma。
复制链接

扫一扫