Google Vertex AI 特征存储
Google Cloud Vertex 特征存储 通过允许您以低延迟服务Google Cloud BigQuery 中的数据，简化了您的机器学习特征管理和在线服务流程，包括执行嵌入的近似最近邻检索的能力。
本教程向您展示如何轻松地直接从您的 BigQuery 数据执行低延迟向量搜索和近似最近邻检索，从而使用最少的设置实现强大的机器学习应用程序。我们将使用 VertexFSVectorStore 类来实现。
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两个类集合的一部分。
- BigQuery 向量搜索：使用
BigQueryVectorStore类，非常适合无需基础设施设置即可进行快速原型设计和批处理检索。 - 特征存储在线存储：使用
VertexFSVectorStore类，能够实现低延迟检索，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生成式 AI 应用程序。
入门
安装库
%pip install --upgrade --quiet langchain langchain-google-vertexai "langchain-google-community[featurestore]"
要在此 Jupyter 运行时使用新安装的包，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"}
设置数据集和表名称
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 VertexFSVectorStore
如果 BigQuery 数据集和表不存在，则会自动创建它们。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：由于特征在线存储的创建，第一次同步过程大约需要 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 方法来按需启动同步。
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)
通过向量搜索文档
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。这对于可能需要在嵌入生成之前进行自定义预处理的多模式数据特别有用。
items = ["some text"]
embs = embedding.embed(items)
ids = store.add_texts_with_embeddings(
texts=["some text"], embs=embs, metadatas=[{"len": 1}]
)
使用 BigQuery 进行批量服务
您可以简单地使用 .to_bq_vector_store() 方法获取 BigQueryVectorStore 对象，该对象为批量用例提供了优化的性能。所有必填参数将自动从现有类中传输。有关您可以使用的所有参数，请参阅类定义。
使用 .to_vertex_fs_vector_store() 方法返回到 BigQueryVectorStore 同样容易。
store.to_bq_vector_store() # pass optional VertexFSVectorStore parameters as arguments