跳到主要内容
Open In ColabOpen on GitHub

openGauss 向量数据库

本笔记本介绍了如何开始使用 openGauss 向量数据库。openGauss 是一个高性能的关系型数据库，具有原生的向量存储和检索能力。此集成在 LangChain 应用程序中实现了符合 ACID 的向量操作，将传统的 SQL 功能与现代 AI 驱动的相似性搜索结合起来。向量存储。

设置​

启动 openGauss 容器​

docker run --name opengauss \
  -d \
  -e GS_PASSWORD='MyStrongPass@123' \
  -p 8888:5432 \
  opengauss/opengauss-server:latest

安装 langchain-opengauss​

pip install langchain-opengauss

系统要求:

  • openGauss ≥ 7.0.0
  • Python ≥ 3.8
  • psycopg2-binary

凭证​

使用 openGauss 凭证

初始化​

pip install -qU langchain-openai
import getpass
import os

if not os.environ.get("OPENAI_API_KEY"):
  os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-large")
from langchain_opengauss import OpenGauss, OpenGaussSettings

# Configure with schema validation
config = OpenGaussSettings(
    table_name="test_langchain",
    embedding_dimension=384,
    index_type="HNSW",
    distance_strategy="COSINE",
)
vector_store = OpenGauss(embedding=embeddings, config=config)

管理向量存储​

向向量存储添加项目​

from langchain_core.documents import Document

document_1 = Document(page_content="foo", metadata={"source": "https://example.com"})

document_2 = Document(page_content="bar", metadata={"source": "https://example.com"})

document_3 = Document(page_content="baz", metadata={"source": "https://example.com"})

documents = [document_1, document_2, document_3]

vector_store.add_documents(documents=documents, ids=["1", "2", "3"])
API 参考：Document

更新向量存储中的项目​

updated_document = Document(
    page_content="qux", metadata={"source": "https://another-example.com"}
)

# If the id is already exist, will update the document
vector_store.add_documents(document_id="1", document=updated_document)

从向量存储删除项目​

vector_store.delete(ids=["3"])

查询向量存储​

创建向量存储并添加相关文档后，您很可能希望在运行链或代理时对其进行查询。

直接查询​

执行简单的相似性搜索可以按如下方式完成

  • 待办：编辑并运行代码单元以生成输出
results = vector_store.similarity_search(
    query="thud", k=1, filter={"source": "https://another-example.com"}
)
for doc in results:
    print(f"* {doc.page_content} [{doc.metadata}]")

如果您想执行相似性搜索并接收相应的分数，您可以运行

results = vector_store.similarity_search_with_score(
    query="thud", k=1, filter={"source": "https://example.com"}
)
for doc, score in results:
    print(f"* [SIM={score:3f}] {doc.page_content} [{doc.metadata}]")

转换为检索器进行查询​

您还可以将向量存储转换为检索器，以便在您的链中更方便地使用。

  • 待办：编辑并运行代码单元以生成输出
retriever = vector_store.as_retriever(search_type="mmr", search_kwargs={"k": 1})
retriever.invoke("thud")

检索增强生成的使用​

有关如何将此向量存储用于检索增强生成 (RAG) 的指南，请参阅以下部分

配置​

连接设置​

参数默认值描述
hostlocalhost数据库服务器地址
port8888数据库连接端口
usergaussdb数据库用户名
password-复杂密码字符串
databasepostgres默认数据库名称
min_connections1连接池最小大小
max_connections5连接池最大大小
table_namelangchain_docs存储向量数据和元数据的表名
index_typeIndexType.HNSW向量索引算法类型。选项：HNSW 或 IVFFLAT\n默认是 HNSW。
vector_typeVectorType.vector要使用的向量表示类型。默认是 Vector。
distance_strategyDistanceStrategy.COSINE用于检索的向量相似度度量。选项：欧几里得距离 (L2 距离)、余弦相似度 (角度距离，适用于文本嵌入)、曼哈顿距离 (L1 距离，适用于稀疏数据)、负内积 (归一化向量的点积)。\n 默认是余弦相似度。
embedding_dimension1536向量嵌入的维度。

支持的组合​

向量类型维度索引类型支持的距离策略
vector≤2000HNSW/IVFFLATCOSINE/EUCLIDEAN/MANHATTAN/INNER_PROD

性能优化​

索引调优指南​

HNSW 参数:

  • m: 16-100（在召回率和内存之间取得平衡）
  • ef_construction: 64-1000（必须 > 2*m）

IVFFLAT 建议:

import math

lists = min(
    int(math.sqrt(total_rows)) if total_rows > 1e6 else int(total_rows / 1000),
    2000,  # openGauss maximum
)

连接池​

OpenGaussSettings(min_connections=3, max_connections=20)

限制​

  • bit 和 sparsevec 向量类型正在开发中
  • 最大向量维度：vector 类型为 2000

API 参考​

有关所有 __ModuleName__向量数据库 功能和配置的详细文档，请查阅 API 参考：https://python.langchain.ac.cn/api_reference/en/latest/vectorstores/opengauss.OpenGuass.html