Přidání prostředku indexu vyhledávání AI do aplikace Databricks

Přidejte indexy AI Search jako prostředky Databricks Apps, které umožňují sémantické vyhledávání a načítání na základě podobnosti ve vašich aplikacích. Indexy AI Search ukládají vysokodimenzionální vektorové embeddingy a umožňují nad nimi dotazování, čímž podporují scénáře použití, jako jsou generování rozšířené o vyhledávání (RAG), sémantické vyhledávání a doporučovací systémy.

Databricks AI Search se dříve označoval jako Databricks Vector Search.

Požadavky na oprávnění

Pro přístup k indexu AI Search musí mít instanční objekt služby aplikace oprávnění USE CATALOG k nadřazenému katalogu, oprávnění USE SCHEMA k nadřazenému schématu a oprávnění SELECT k indexu. Když přidáte prostředek indexu, Azure Databricks tato oprávnění automaticky udělí služebnímu principálu aplikace.

Aby bylo toto automatické udělení úspěšné, musí být pro každé oprávnění splněno jedno z následujících podmínek:

  • Pro USE CATALOG: Buď všichni uživatelé účtu mají USE CATALOG oprávnění k katalogu, nebo máte MANAGE oprávnění v katalogu.
  • Pro USE SCHEMA: Buď všichni uživatelé účtu mají USE SCHEMA oprávnění ke schématu, nebo máte MANAGE oprávnění ke schématu.
  • Pro SELECT: Buď mají všichni uživatelé SELECT účtu oprávnění k indexu, nebo máte MANAGE oprávnění k indexu.

Další informace o dotazování indexů vyhledávání AI s těmito oprávněními naleznete v tématu Dotazování indexu vyhledávání AI.

Viz referenční informace k oprávněním katalogu Unity.

Přidání prostředku indexu vyhledávání AI

Než přidáte index AI Search jako prostředek, projděte si požadavky na prostředek aplikace.

  1. V části Prostředky aplikace při vytváření nebo úpravě aplikace klikněte na + Přidat prostředek>Index vyhledávání vektorů.
  2. Z dostupných indexů ve vašem pracovním prostoru zvolte index vyhledávání AI. Index už musí existovat v katalogu Unity.
  3. Vyberte úroveň oprávnění pro vaši aplikaci:
    • Může vybrat: Udělí aplikaci oprávnění k dotazování indexu vyhledávání AI pro vyhledávání podobnosti. Odpovídá oprávnění SELECT
  4. (Volitelné) Zadejte vlastní klíč prostředku, což je způsob, jakým odkazujete na index v konfiguraci aplikace. Výchozí klíč je vector-search-index.

Poznámka:

Indexy vyhledávání AI jsou tabulky katalogu Unity s typem TABLE_ONLINE_VECTOR_INDEX_REPLICA nebo TABLE_ONLINE_VECTOR_INDEX_DIRECT. Když vyberete index vyhledávání AI, vyberete speciálně nakonfigurovanou tabulku, která podporuje sémantické operace hledání.

Proměnné prostředí

Když nasadíte aplikaci s prostředkem indexu vyhledávání AI, Azure Databricks zveřejní úplný název na úrovni tří úrovní prostřednictvím proměnných prostředí, na které můžete odkazovat pomocí valueFrom pole.

Příklad konfigurace:

env:
  - name: VECTOR_SEARCH_INDEX
    valueFrom: vector-search-index # Use your custom resource key if different

Použití indexu v aplikaci:

import os
from databricks.sdk import WorkspaceClient

# Access the AI Search index name
index_name = os.getenv("VECTOR_SEARCH_INDEX")

# Initialize workspace client
w = WorkspaceClient()

# Query the AI Search index
results = w.vector_search_indexes.query_index(
    index_name=index_name,
    query_text="What is machine learning?",
    num_results=10
)

# Process results
for result in results.manifest.columns:
    print(f"Result: {result}")

Další informace najdete v tématu Použití proměnných prostředí pro přístup k prostředkům.

Odebrání prostředku indexu vyhledávání AI

Když z aplikace odeberete prostředek indexu AI Search, instanční objekt aplikace ztratí přístup k indexu. Samotný index zůstane beze změny a bude nadále dostupný pro ostatní uživatele a aplikace, které mají příslušná oprávnění.

Osvědčené postupy

Při práci s prostředky indexu vyhledávání AI zvažte následující skutečnosti:

  • Pokud index odkazuje na jiné tabulky, ujistěte se, že služba principal aplikace má přístup k podkladovým zdrojům dat.
  • Monitorujte výkon dotazů a upravte konfiguraci indexu nebo modely vkládání, pokud dojde ke snížení doby odezvy.
  • Zvažte plány aktualizace indexu, aby se vkládání synchronizovala se zdrojovými daty.
  • Na základě modelu vkládání použijte odpovídající metriky podobnosti (kosinus, euclidean, tečkovaný produkt).
  • Last updated on