Einrichten der pgvector-Erweiterung in Azure PostgreSQL für die Verwendung mit Spring AI

Abgeschlossen

Die Vektorähnlichkeitssuche ist eine Technik, die verwendet wird, um ähnliche Elemente in einem Dataset zu finden, indem sie ihre Vektordarstellungen vergleichen. Die Vektorähnlichkeit wird häufig mithilfe von Entfernungsmetriken berechnet, z. B. euklidischer Entfernung oder cosine Ähnlichkeit. Im Kontext von KI und maschinellem Lernen sind Vektordarstellungen oder Einbettungen numerische Darstellungen von Datenpunkten, z. B. Wörter, Bilder oder Benutzerabfragen. Diese Vektoren erfassen die semantische Bedeutung der Datenpunkte und ermöglichen effiziente Ähnlichkeitssuchen.

Beispielsweise können Benutzerabfragen in einem Fragebeantwortungssystem zu Vektoreinbettungen konvertiert werden. Diese Einbettungen können dann mit einer Datenbank mit vorkompilierten Einbettungen früherer Eingabeaufforderungen und Antworten verglichen werden, um die ähnlichsten zu finden. Dieser Prozess wird als Vektorgleichheitssuche bezeichnet.

Was ist die Erweiterung pgvector?

Die pgvector Erweiterung ist eine Erweiterung für PostgreSQL, die Unterstützung für Vektordatentypen und -vorgänge hinzufügt. Sie können Vektoreinbettungen direkt in einer PostgreSQL-Datenbank speichern und abfragen. Mit pgvectordiesem Verfahren können Sie effiziente Ähnlichkeitssuchen mithilfe von Vektorvorgängen durchführen, sodass sie eine ideale Wahl für Anwendungen ist, die semantische Suchfunktionen erfordern.

Die pgvector Erweiterung enthält die folgenden wichtigsten Features:

  • Unterstützung für Vektordatentypen.
  • Effiziente Indizierung und Abfrage von Vektordaten.
  • Integration mit den vorhandenen Features und Erweiterungen von PostgreSQL.

Die pgvector-Erweiterung in Azure PostgreSQL

Die Erweiterung pgvector fügt PostgreSQL eine Open-Source-Vektorähnlichkeitssuche hinzu.

Damit Sie das pgvector-Element für Ihre Instanz eines flexiblen Azure Database for PostgreSQL-Servers aktivieren können, müssen Sie es wie unter Zulassen von Erweiterungen beschrieben auf die Positivliste setzen. Verwenden Sie den folgenden Befehl, um zu ermitteln, ob sie richtig hinzugefügt wurde: SHOW azure.extensions;

Von Bedeutung

Die PostgreSQL-Community bezieht sich oft auf diese Erweiterung als pgvector. Der Name der Binärdatei und der Erweiterung selbst ist vector, wobei dies der Name ist, den Sie in der Erlaubnisliste verwenden müssen und wenn Sie ihn über den CREATE EXTENSION-Befehl in PostgreSQL erstellen.

Nachdem Sie die Erweiterung zur Zulassungsliste hinzugefügt haben, installieren Sie die Erweiterung mithilfe des folgenden SQL-Befehls:

CREATE EXTENSION IF NOT EXISTS vector;

pgvector-Vorgänge

Die pgvector Erweiterung ermöglicht eine effiziente Ähnlichkeitssuche, wie im folgenden Beispiel gezeigt:

SELECT id, prompt, response
FROM chat_history
ORDER BY embedding <-> '[0.1,0.2,...]'::vector
LIMIT 3;

Die Spring AI-Implementierung von pgvector

Spring AI enthält eine Abstraktion von pgvector, die VectorStore genannt wird. Für diese Implementierung sind zwei weitere PostgreSQL-Erweiterungen erforderlich: hstore und uuid-ossp.

Beim Start installiert Spring Boot die erforderlichen Erweiterungen und erstellt die erforderliche vector_store Tabelle mit einem Index, falls sie noch nicht vorhanden ist.

Zusammenfassung der Einheit

Die Vektorähnlichkeitssuche und die pgvector Erweiterung bieten leistungsstarke Funktionen zum Erstellen ki-basierter Anwendungen, die semantische Suchfunktionen erfordern. Mithilfe dieser Tools in Azure PostgreSQL können Sie Vektoreinbettungen effizient speichern, indizieren und abfragen und erweiterte Such- und Abruffunktionen in Ihren Anwendungen ermöglichen.

In der nächsten Einheit führen Sie die Schritte zum Erstellen und Konfigurieren einer PostgreSQL-Datenbank durch, aktivieren die Erweiterung und erstellen erforderliche Tabellen für die pgvector Verwendung mit Spring AI.