יצירת אינדקסים

אינדקסים של Hierarchical Navigable Small World ‏ (HNSW) ב-AlloyDB ל-PostgreSQL מאפשרים להאיץ חיפושים של דמיון וקטורי בהטמעות מאוחסנות, עם אחזור גבוה וזמן אחזור קצר של שאילתות. אתם יכולים ליצור אינדקסים של HNSW שמבוססים על גרפים באמצעות התוסף vector, לשנות את הפרמטרים של יצירת האינדקסים ולהריץ שאילתות דמיון על ההטמעות שנוספו לאינדקס. מידע נוסף על אחסון הטמעות זמין במאמר אחסון הטמעות וקטוריות.

לפני שמתחילים

לפני שמתחילים ליצור אינדקסים, צריך לבצע את הפעולות הבאות.

  • וקטורי ההטמעה מתווספים לטבלה במסד הנתונים של AlloyDB.

  • גרסה 0.5.0 ומעלה של התוסף vector, שמבוסס על pgvector ונוסף על ידי Google ל-AlloyDB, מותקנת.

    CREATE EXTENSION IF NOT EXISTS vector;

יצירת אינדקס HNSW

ב-AlloyDB אפשר ליצור אינדקס hnsw מבוסס-תרשים שזמין עם pgvector באמצעות התוסף pgvector של AlloyDB. שימוש באינדקס hnsw מוביל לחיפוש באלגוריתם חמדן שעובר בגרף ומחפש כל הזמן את השכן הכי קרוב לווקטור השאילתה, עד שהוא מוצא את התוצאה האופטימלית. הוא מספק ביצועי שאילתות מהירים יותר, אבל זמני הבנייה איטיים יותר בהשוואה ל-IVF.

מידע נוסף על האלגוריתם של HNSW זמין במאמר תרשימי Hierarchical Navigable Small World.

כדי ליצור אינדקס hnsw, מריצים את השאילתה הבאה:

CREATE INDEX INDEX_NAME ON TABLE
  USING hnsw (EMBEDDING_COLUMN DISTANCE_FUNCTION)
  WITH (m = NUMBER_OF_CONNECTIONS, ef_construction = CANDIDATE_LIST_SIZE);

מחליפים את מה שכתוב בשדות הבאים:

  • ‫INDEX_NAME: שם האינדקס שרוצים ליצור, לדוגמה my-hnsw-index.

  • ‫TABLE: הטבלה שאליה רוצים להוסיף את האינדקס.

  • ‫EMBEDDING_COLUMN: עמודה שבה מאוחסנים נתוני vector.

  • ‫DISTANCE_FUNCTION: פונקציית המרחק שבה משתמשים באינדקס הזה. צריך לבחור אחת מהאפשרויות:

    • מרחק L2: vector_l2_ops

    • מכפלה פנימית: vector_ip_ops

    • מרחק קוסינוס: vector_cosine_ops

  • ‫NUMBER_OF_CONNECTIONS: המספר המקסימלי של חיבורים לכל צומת בתרשים. אפשר להתחיל עם ערך ברירת המחדל 16 ולנסות ערכים גבוהים יותר בהתאם לגודל של קבוצת הנתונים.

  • ‫CANDIDATE_LIST_SIZE: הגודל של רשימת המועמדים שנשמרת במהלך בניית התרשים, שמעדכנת כל הזמן את המועמדים הטובים ביותר לשכנים הקרובים ביותר של צומת. מגדירים את הערך הזה לכל ערך שגבוה מפי שניים מהערך של m, לדוגמה 64.

כדי לראות את התקדמות ההוספה לאינדקס, משתמשים בתצוגה pg_stat_progress_create_index:

SELECT * FROM pg_stat_progress_create_index;

בעמודה phase מוצג המצב הנוכחי של יצירת האינדקס, והשלב building graph נעלם אחרי שהאינדקס נוצר.

כדי לכוונן את האינדקס לאיזון בין השליפה ל-QPS, קראו את המאמר כוונון אינדקס hnsw.

הרצת שאילתה

אחרי שמאחסנים את ההטמעות במסד הנתונים ומוסיפים אותן לאינדקס, אפשר להתחיל לשלוח שאילתות באמצעות פונקציונליות השאילתות של pgvector.

כדי למצוא את השכנים הסמנטיים הקרובים ביותר לווקטור הטמעה, אפשר להריץ את שאילתת הדוגמה הבאה, שבה מגדירים את אותה פונקציית מרחק שבה השתמשתם במהלך יצירת האינדקס.

  SELECT * FROM TABLE
    ORDER BY EMBEDDING_COLUMN DISTANCE_FUNCTION_QUERY 'EMBEDDING'
    LIMIT ROW_COUNT;

מחליפים את מה שכתוב בשדות הבאים:

  • ‫TABLE: הטבלה שמכילה את ההטמעה שאליה משווים את הטקסט.

  • ‫EMBEDDING_COLUMN: העמודה שמכילה את ההטמעות השמורות.

  • ‫DISTANCE_FUNCTION_QUERY: פונקציית המרחק שבה משתמשים בשאילתה הזו. בוחרים אחת מהאפשרויות הבאות, בהתאם לפונקציית המרחק שבה השתמשתם כשנוצר האינדקס:

    • מרחק L2: <->

    • מכפלה פנימית: <#>

    • מרחק קוסינוס: <=>

  • ‫EMBEDDING: וקטור ההטמעה שרוצים למצוא את השכנים הסמנטיים הקרובים ביותר שלו.

  • ‫ROW_COUNT: מספר השורות שיוחזרו.

    מציינים 1 אם רוצים רק את ההתאמה הטובה ביותר.

למידע נוסף על דוגמאות אחרות לשאילתות, ראו שאילתות.

אפשר גם להשתמש בפונקציה embedding() כדי להמיר את הטקסט לווקטור. מחילים את הווקטור על אחד מהאופרטורים של pgvector השכן הקרוב ביותר, <-> למרחק L2, כדי למצוא את שורות מסד הנתונים עם ההטמעות הכי דומות מבחינה סמנטית.

מכיוון שהפונקציה embedding() מחזירה מערך real, צריך להמיר באופן מפורש את הקריאה ל-embedding() ל-vector כדי להשתמש בערכים האלה עם אופרטורים של pgvector.

המאמרים הבאים