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，使用向量索引进行快速近似结果，或使用暴力破解获得精确结果。
本教程演示了如何在 LangChain 中使用端到端数据和嵌入管理系统，并使用BigQueryVectorStore类在 BigQuery 中提供可扩展的语义搜索。这个类是 2 个类集合的一部分，能够在 Google Cloud 中提供统一的数据存储和灵活的向量搜索。
- BigQuery 向量搜索：使用
BigQueryVectorStore类，非常适合在没有基础设施设置和批量检索的情况下进行快速原型设计。 - 特征存储在线存储：使用
VertexFSVectorStore类，可以通过手动或计划的数据同步实现低延迟检索。非常适合面向生产用户的 GenAI 应用程序。
入门
安装库
%pip install --upgrade --quiet langchain langchain-google-vertexai "langchain-google-community[featurestore]"
要在本 Jupyter 运行时中使用新安装的软件包，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，该单元格将重新启动当前内核。
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。了解有关 BigQuery 区域的更多信息。
REGION = "us-central1" # @param {type: "string"}
设置数据集和表名称
它们将是您的 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
- 如果您正在使用 Colab 运行此笔记本，请取消注释下面的单元格并继续。
- 如果您正在使用 Vertex AI Workbench，请查看 此处的 设置说明。
# from google.colab import auth as google_auth
# google_auth.authenticate_user()
演示：BigQueryVectorStore
创建嵌入类实例
您可能需要在您的项目中启用 Vertex AI API，方法是运行 gcloud services enable aiplatform.googleapis.com --project {PROJECT_ID}（将 {PROJECT_ID} 替换为您的项目名称）。
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，它们将自动创建。请参阅 此处的类定义，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。此方法在键和相应值之间应用相等过滤器。当提供多个键值对时，它们将使用逻辑 AND 运算组合在一起。
- 基于 SQL 的过滤器
- 或者，您可以提供一个字符串，表示 SQL WHERE 子句，以定义更复杂的过滤条件。这允许更大的灵活性，支持比较运算符和逻辑运算符等 SQL 表达式。
# 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 提供了一个用于可扩展向量相似性搜索的 batch_search 方法。
results = store.batch_search(
embeddings=None, # can pass embeddings or
queries=["search_query", "search_query"], # can pass queries
)
添加带有嵌入的文本
您还可以使用 add_texts_with_embeddings 方法添加您自己的嵌入。这对于多模态数据尤其有用，这些数据可能需要在嵌入生成之前进行自定义预处理。
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() 方法来获取一个 VertexFSVectorStore 对象，该对象为在线用例提供低延迟。所有必需的参数将自动从现有的 BigQueryVectorStore 类传输。有关您可以使用的所有其他参数，请参阅类定义。
使用 .to_bq_vector_store() 方法可以轻松地返回到 BigQueryVectorStore。
store.to_vertex_fs_vector_store() # pass optional VertexFSVectorStore parameters as arguments