בדף הזה מוסבר איך להשתמש בהטמעות שמורות כדי ליצור אינדקסים ולשלוח שאילתות להטמעות באמצעות אינדקס IVF עם AlloyDB Omni.
מידע נוסף על אחסון הטמעות זמין במאמר אחסון הטמעות וקטורים.
לפני שמתחילים
לפני שיוצרים אינדקסים, צריך לבצע את הפעולות הבאות.
וקטורי ההטמעה מתווספים לטבלה במסד הנתונים של AlloyDB Omni.
מותקנת גרסה
0.5.0או גרסה מאוחרת יותר של התוסףvectorשמבוסס עלpgvector, שהורחב על ידי Google ל-AlloyDB Omni.CREATE EXTENSION IF NOT EXISTS vector;
יצירת אינדקס IVF
Stock
pgvector תומך בחיפוש של השכן הקרוב ביותר (ANN) באמצעות הוספה לאינדקס. ב-AlloyDB Omni יש תכונה נוספת שמאפשרת לבצע קוונטיזציה סקלרית כשיוצרים אינדקס.
כשהתכונה מופעלת, קוונטיזציה סקלרית יכולה להאיץ באופן משמעותי שאילתות עם וקטורים בעלי ממדים גדולים יותר, ומאפשרת לאחסן וקטורים עם עד 8,000 ממדים.
כדי להפעיל קוונטיזציה סקלרית באינדקס שמבוסס על pgvector, צריך לציין את IVF כשיטת האינדקס ואת SQ8 כקוונטיזטור:
CREATE INDEX INDEX_NAME ON TABLE
USING ivf (EMBEDDING_COLUMN DISTANCE_FUNCTION)
WITH (lists = LIST_COUNT, quantizer = 'QUANTIZER');
מחליפים את מה שכתוב בשדות הבאים:
INDEX_NAME: שם האינדקס שרוצים ליצור, לדוגמהmy-ivf-index. שמות האינדקסים משותפים בכל מסד הנתונים. חשוב לוודא שכל שם אינדקס הוא ייחודי לכל טבלה במסד הנתונים.
TABLE: הטבלה שאליה רוצים להוסיף את האינדקס.EMBEDDING_COLUMN: העמודה שבה מאוחסנים נתוניvector.
DISTANCE_FUNCTION: פונקציית המרחק שבה משתמשים באינדקס הזה. צריך לבחור אחת מהאפשרויות:מרחק L2:
vector_l2_opsמכפלה פנימית:
vector_ip_opsמרחק קוסינוס:
vector_cosine_ops
LIST_COUNT: מספר הרשימות שבהן צריך להשתמש עם האינדקס הזה. מידע נוסף על בחירת הערך הזה זמין במאמר כוונון אינדקס IVF.
QUANTIZER: סוג ה-quantizer שבו רוצים להשתמש.מגדירים אחת מהאפשרויות הבאות:
SQ8: מומלץ. תגובה מהירה יותר לשאילתה, אבל התוצאה היא אובדן מסוים של שליפה, שלא משפיע על תרחישי ייצור.
FLAT: תגובה איטית יותר לשאילתה ושימוש בנפח גדול יותר מהזיכרון, אבל אפשר להגיע לאובדן זניח של שליפה.
כדי ליצור את האינדקס הזה בעמודת הטמעה שמשתמשת בסוג הנתונים
real[]במקום ב-vector, צריך להמיר את העמודה לסוג הנתוניםvector:
CREATE INDEX INDEX_NAME ON TABLE
USING ivf (CAST(EMBEDDING_COLUMN AS vector(DIMENSIONS)) DISTANCE_FUNCTION)
WITH (lists = LIST_COUNT, quantizer = 'SQ8');
מחליפים את DIMENSIONS ברוחב הממדי של עמודת ההטמעה. למידע נוסף על איך למצוא את המאפיינים, עיינו בפונקציה vector_dims בפונקציות וקטוריות.
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 postings מציין שיצירת האינדקס קרובה לסיום.
כדי לכוונן את האינדקס לאיזון בין השליפה ל-QPS, קראו את המאמר כוונון אינדקס IVF.
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 השמורים הכי קרובים אליו.
ROW_COUNT: מספר השורות שיוחזרו.ציינו
1אם אתם רוצים רק את ההתאמה הטובה ביותר.
למידע נוסף על דוגמאות אחרות לשאילתות, ראו שאילתות.
אפשר גם להשתמש בפונקציה embedding() כדי לתרגם 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.