Google BigQuery 向量搜索
Google Cloud BigQuery 向量搜索 允许您使用 GoogleSQL 进行语义搜索，使用向量索引获取快速近似结果，或使用蛮力方法获取精确结果。
本教程说明了如何在 LangChain 中使用端到端数据和嵌入管理系统，并提供了使用BigQueryVectorStore 类在 BigQuery 中进行可扩展的语义搜索。此类是能够在 Google Cloud 中提供统一的数据存储和灵活的向量搜索的两个类的一部分
- BigQuery 向量搜索：使用
BigQueryVectorStore类，非常适合无需基础设施设置即可快速原型设计和批量检索。 - 特征存储在线存储：使用
VertexFSVectorStore类，可以实现低延迟检索，并支持手动或计划数据同步。非常适合用于面向用户的生产就绪型 GenAI 应用程序。
入门
安装库
%pip install --upgrade --quiet langchain langchain-google-vertexai "langchain-google-community[featurestore]"
要在当前 Jupyter 运行时中使用新安装的包，您必须重新启动运行时。您可以通过运行下面的单元格来执行此操作，该单元格会重新启动当前内核。
import IPython
app = IPython.Application.instance()
app.kernel.do_shutdown(True)
开始之前
设置您的项目 ID
如果您不知道您的项目 ID，请尝试以下操作
- 运行
gcloud config list。 - 运行
gcloud projects list。 - 请参阅支持页面：查找项目 ID。
PROJECT_ID = "" # @param {type:"string"}
# Set the project id
! gcloud config set project {PROJECT_ID}
设置区域
您还可以更改 BigQuery 使用的REGION 变量。详细了解BigQuery 区域。
REGION = "us-central1" # @param {type: "string"}
设置数据集和表名
它们将成为您的 BigQuery 向量存储。
DATASET = "my_langchain_dataset" # @param {type: "string"}
TABLE = "doc_and_vectors" # @param {type: "string"}
验证您的笔记本环境
- 如果您使用Colab运行此笔记本，请取消注释下面的单元格并继续。
- 如果您使用的是Vertex AI Workbench，请查看设置说明此处。
# from google.colab import auth as google_auth
# google_auth.authenticate_user()
演示：BigQueryVectorStore
创建嵌入类实例
您可能需要通过运行gcloud services enable aiplatform.googleapis.com --project {PROJECT_ID}（将{PROJECT_ID}替换为您的项目名称）来在您的项目中启用 Vertex AI API。
您可以使用任何LangChain 嵌入模型。
from langchain_google_vertexai import VertexAIEmbeddings
embedding = VertexAIEmbeddings(
model_name="textembedding-gecko@latest", project=PROJECT_ID
)
初始化 BigQueryVectorStore
如果 BigQuery 数据集和表不存在，则会自动创建它们。请参阅类定义此处，了解所有可选参数。
from langchain_google_community import BigQueryVectorStore
store = BigQueryVectorStore(
project_id=PROJECT_ID,
dataset_name=DATASET,
table_name=TABLE,
location=REGION,
embedding=embedding,
)
添加文本
all_texts = ["Apples and oranges", "Cars and airplanes", "Pineapple", "Train", "Banana"]
metadatas = [{"len": len(t)} for t in all_texts]
store.add_texts(all_texts, metadatas=metadatas)
搜索文档
query = "I'd like a fruit."
docs = store.similarity_search(query)
print(docs)
按向量搜索文档
query_vector = embedding.embed_query(query)
docs = store.similarity_search_by_vector(query_vector, k=2)
print(docs)
使用元数据过滤器搜索文档
向量存储支持两种方法，用于在执行文档搜索时将过滤器应用于元数据字段
- 基于字典的过滤器
- 您可以传递一个字典（dict），其中键表示元数据字段，值指定过滤器条件。此方法在键和对应值之间应用相等过滤器。当提供多个键值对时，它们使用逻辑 AND 操作组合。
- 基于 SQL 的过滤器
- 或者，您可以提供一个表示 SQL WHERE 子句的字符串来定义更复杂的过滤条件。这提供了更大的灵活性，支持 SQL 表达式，例如比较运算符和逻辑运算符。
# Dictionary-based Filters
# This should only return "Banana" document.
docs = store.similarity_search_by_vector(query_vector, filter={"len": 6})
print(docs)
# SQL-based Filters
# This should return "Banana", "Apples and oranges" and "Cars and airplanes" documents.
docs = store.similarity_search_by_vector(query_vector, filter={"len = 6 AND len > 17"})
print(docs)
批量搜索
BigQueryVectorStore 提供了batch_search 方法，用于可扩展的向量相似度搜索。
results = store.batch_search(
embeddings=None, # can pass embeddings or
queries=["search_query", "search_query"], # can pass queries
)
添加带嵌入的文本
您还可以使用add_texts_with_embeddings 方法自带嵌入。这对于可能需要在嵌入生成之前进行自定义预处理的多模态数据特别有用。
items = ["some text"]
embs = embedding.embed(items)
ids = store.add_texts_with_embeddings(
texts=["some text"], embs=embs, metadatas=[{"len": 1}]
)
使用特征存储进行低延迟服务
您可以简单地使用.to_vertex_fs_vector_store() 方法获取 VertexFSVectorStore 对象，该对象为在线用例提供了低延迟。所有必填参数将自动从现有的 BigQueryVectorStore 类中传输。请参阅类定义，了解您可以使用的所有其他参数。
使用.to_bq_vector_store() 方法返回 BigQueryVectorStore 也同样简单。
store.to_vertex_fs_vector_store() # pass optional VertexFSVectorStore parameters as arguments