Postgres 嵌入
Postgres 嵌入 是一个用于
Postgres的开源向量相似性搜索，它使用分层可导航小世界 (HNSW)进行近似最近邻搜索。
它支持
- 使用 HNSW 进行精确和近似最近邻搜索
- L2 距离
此笔记本展示了如何使用 Postgres 向量数据库 (PGEmbedding)。
PGEmbedding 集成会为您创建 pg_embedding 扩展，但您可以运行以下 Postgres 查询来添加它
CREATE EXTENSION embedding;
# Pip install necessary package
%pip install --upgrade --quiet langchain-openai langchain-community
%pip install --upgrade --quiet psycopg2-binary
%pip install --upgrade --quiet tiktoken
将 OpenAI API 密钥添加到环境变量以使用OpenAIEmbeddings。
import getpass
import os
if "OPENAI_API_KEY" not in os.environ:
os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")
OpenAI API Key:········
## Loading Environment Variables
from typing import List, Tuple
from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import PGEmbedding
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import CharacterTextSplitter
if "DATABASE_URL" not in os.environ:
os.environ["DATABASE_URL"] = getpass.getpass("Database Url:")
Database Url:········
loader = TextLoader("state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
embeddings = OpenAIEmbeddings()
connection_string = os.environ.get("DATABASE_URL")
collection_name = "state_of_the_union"
db = PGEmbedding.from_documents(
embedding=embeddings,
documents=docs,
collection_name=collection_name,
connection_string=connection_string,
)
query = "What did the president say about Ketanji Brown Jackson"
docs_with_score: List[Tuple[Document, float]] = db.similarity_search_with_score(query)
for doc, score in docs_with_score:
print("-" * 80)
print("Score: ", score)
print(doc.page_content)
print("-" * 80)
在 Postgres 中使用向量存储
在 PG 中上传向量存储
db = PGEmbedding.from_documents(
embedding=embeddings,
documents=docs,
collection_name=collection_name,
connection_string=connection_string,
pre_delete_collection=False,
)
创建 HNSW 索引
默认情况下，扩展执行顺序扫描搜索，召回率为 100%。您可能需要考虑创建 HNSW 索引以进行近似最近邻 (ANN) 搜索，以加快similarity_search_with_score执行时间。要为您的向量列创建 HNSW 索引，请使用create_hnsw_index函数
PGEmbedding.create_hnsw_index(
max_elements=10000, dims=1536, m=8, ef_construction=16, ef_search=16
)
上述函数等效于运行以下 SQL 查询
CREATE INDEX ON vectors USING hnsw(vec) WITH (maxelements=10000, dims=1536, m=3, efconstruction=16, efsearch=16);
上述语句中使用的 HNSW 索引选项包括
-
maxelements：定义索引的最大元素数量。这是一个必需的参数。上面显示的示例的值为 3。实际示例将具有更大的值，例如 1000000。“元素”指的是数据集中的数据点（向量），它在 HNSW 图中表示为节点。通常，您会将此选项设置为能够容纳数据集行数的值。
-
dims：定义向量数据中的维度数。这是一个必需的参数。上面示例中使用了较小的值。如果您存储使用 OpenAI 的 text-embedding-ada-002 模型生成的数据，该模型支持 1536 个维度，例如，您将定义值为 1536。
-
m：定义在图构建期间为每个节点创建的最大双向链接（也称为“边”）数量。支持以下其他索引选项
-
efConstruction：定义在索引构建期间考虑的最近邻数。默认值为 32。
-
efsearch：定义在索引搜索期间考虑的最近邻数。默认值为 32。有关如何配置这些选项以影响 HNSW 算法的信息，请参阅调整 HNSW 算法。
在 PG 中检索向量存储
store = PGEmbedding(
connection_string=connection_string,
embedding_function=embeddings,
collection_name=collection_name,
)
retriever = store.as_retriever()
retriever
VectorStoreRetriever(vectorstore=<langchain_community.vectorstores.pghnsw.HNSWVectoreStore object at 0x121d3c8b0>, search_type='similarity', search_kwargs={})
db1 = PGEmbedding.from_existing_index(
embedding=embeddings,
collection_name=collection_name,
pre_delete_collection=False,
connection_string=connection_string,
)
query = "What did the president say about Ketanji Brown Jackson"
docs_with_score: List[Tuple[Document, float]] = db1.similarity_search_with_score(query)
for doc, score in docs_with_score:
print("-" * 80)
print("Score: ", score)
print(doc.page_content)
print("-" * 80)