MyScale
本页面介绍如何在 LangChain 中使用 MyScale 向量数据库。它分为两部分:安装与设置,以及对特定 MyScale 封装器的引用。
借助 MyScale,您可以管理结构化和非结构化(向量化)数据,并使用 SQL 对这两种类型的数据执行联合查询和分析。此外,MyScale 基于 ClickHouse 构建的云原生 OLAP 架构,即使在海量数据集上也能实现闪电般的数据处理速度。
简介
您现在可以注册我们的 SaaS 并立即启动一个集群!
如果您对我们如何集成 SQL 和向量也感兴趣,请参考此文档以获取更多语法参考。
我们还在 Hugging Face 上提供实时演示!请查看我们的Hugging Face 空间!它们在眨眼之间就能搜索数百万个向量!
安装与设置
- 使用
pip install clickhouse-connect
安装 Python SDK
设置环境
有两种方法可以设置 MyScale 索引的参数。
-
环境变量
在运行应用程序之前,请使用
export
设置环境变量:export MYSCALE_HOST='<your-endpoints-url>' MYSCALE_PORT=<your-endpoints-port> MYSCALE_USERNAME=<your-username> MYSCALE_PASSWORD=<your-password> ...
您可以在我们的 SaaS 上轻松找到您的账户、密码及其他信息。详情请参考此文档。
MyScaleSettings
下的所有属性都可以通过前缀MYSCALE_
进行设置,并且不区分大小写。 -
使用参数创建
MyScaleSettings
对象from langchain_community.vectorstores import MyScale, MyScaleSettings
config = MyScaleSettings(host="<your-backend-url>", port=8443, ...)
index = MyScale(embedding_function, config)
index.add_documents(...)
包装器
支持的函数
add_texts
add_documents
from_texts
from_documents
similarity_search
asimilarity_search
similarity_search_by_vector
asimilarity_search_by_vector
similarity_search_with_relevance_scores
delete
向量存储
MyScale 数据库有一个封装器,允许您将其用作向量存储,无论是用于语义搜索还是相似示例检索。
导入此向量存储
from langchain_community.vectorstores import MyScale
API 参考:MyScale
有关 MyScale 封装器的更详细演练,请参阅此 Notebook