Google Vertex AI Feature Store
Google Cloud Vertex 特征存储 通过让您在 Google Cloud BigQuery 中以低延迟提供数据，简化了您的 ML 特征管理和在线服务流程，包括执行嵌入向量的近似最近邻检索的能力
本教程向您展示如何直接从 BigQuery 数据中轻松执行低延迟向量搜索和近似最近邻检索，从而以最少的设置实现强大的 ML 应用程序。我们将使用 VertexFSVectorStore 类来实现这一点。
此类是能够在 Google Cloud 中提供统一数据存储和灵活向量搜索的 2 个类集合的一部分
- BigQuery 向量搜索：使用
BigQueryVectorStore类，它非常适合快速原型设计，无需基础设施设置和批量检索。 - 特征存储在线商店：使用
VertexFSVectorStore类，可通过手动或计划的数据同步实现低延迟检索。非常适合生产就绪的面向用户的 GenAI 应用程序。
开始使用
安装库
%pip install --upgrade --quiet langchain langchain-google-vertexai "langchain-google-community[featurestore]"
要在当前的 Jupyter 运行时中使用新安装的软件包，您必须重启运行时。您可以通过运行下面的单元格来完成此操作，这将重启当前内核。
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。了解更多关于 BigQuery 区域的信息。
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 Vertex AI Workbench，请查看此处的设置说明 here。
# from google.colab import auth as google_auth
# google_auth.authenticate_user()
演示：VertexFSVectorStore
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 VertexFSVectorStore
如果 BigQuery 数据集和表不存在，将自动创建它们。请参阅此处的类定义 here 以了解所有可选参数。
from langchain_google_community import VertexFSVectorStore
store = VertexFSVectorStore(
project_id=PROJECT_ID,
dataset_name=DATASET,
table_name=TABLE,
location=REGION,
embedding=embedding,
)
添加文本
注意：由于特征在线商店的创建，首次同步过程将耗时约 20 分钟。
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)
您还可以通过执行 sync_data 方法按需启动同步。
store.sync_data()
在生产环境中，您还可以使用 cron_schedule 类参数来设置自动计划同步。例如
store = VertexFSVectorStore(cron_schedule="TZ=America/Los_Angeles 00 13 11 8 *", ...)
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
# This should only return "Banana" document.
docs = store.similarity_search_by_vector(query_vector, filter={"len": 6})
print(docs)
添加带有嵌入向量的文本
您还可以使用 add_texts_with_embeddings 方法带入您自己的嵌入向量。这对于多模态数据尤其有用，多模态数据可能需要在嵌入向量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 BigQuery 批量服务
您可以简单地使用 .to_bq_vector_store() 方法来获取 BigQueryVectorStore 对象，该对象为批量用例提供优化的性能。所有必需的参数将自动从现有类传输。请参阅 class definition 以了解您可以使用的所有参数。
使用 .to_vertex_fs_vector_store() 方法，同样可以轻松地返回到 BigQueryVectorStore。
store.to_bq_vector_store() # pass optional VertexFSVectorStore parameters as arguments