Google Vertex AI 特征存储
Google Cloud Vertex Feature Store 通过允许您以低延迟的方式在 Google Cloud BigQuery 中提供数据，简化了您的机器学习特征管理和在线服务流程，包括执行嵌入近似邻居检索的能力。
本教程将向您展示如何直接从您的 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。
此类是两个类集合的一部分，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，非常适合无需基础设施设置和批量检索的快速原型设计。 - Feature Store 在线存储：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。
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，这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：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。 有关所有可选参数，请参阅此处的类定义。
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 Feature Online Store 创建，第一次同步过程将需要大约 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)
添加带有嵌入的文本
您还可以使用 add_texts_with_embeddings 方法自带嵌入。 这对于在生成嵌入之前可能需要自定义预处理的多模式数据尤其有用。
items = ["some text"]
embs = embedding.embed(items)
ids = store.add_texts_with_embeddings(
texts=["some text"], embs=embs, metadatas=[{"len": 1}]
)
使用 BigQuery 进行批量服务
你可以简单地使用方法 .to_bq_vector_store() 来获取一个 BigQueryVectorStore 对象，该对象为批量使用场景提供了优化性能。所有必需的参数将自动从现有类中传递。请参阅类定义以了解所有可以使用的参数。
使用 .to_vertex_fs_vector_store() 方法可以轻松地返回到 BigQueryVectorStore。
store.to_bq_vector_store() # pass optional VertexFSVectorStore parameters as arguments