Übung – Implementieren der Vektorsuche in Azure-Datenbank für PostgreSQL
In dieser Übung erstellen Sie eine Produktähnlichkeitssuchanwendung mit Azure Database for PostgreSQL und der pgvector-Erweiterung. Sie aktivieren Vektorspeicherfunktionen, erstellen ein Datenbankschema für Produkte mit Einbettungen, Laden von Beispieldaten über eine Flask-Webanwendung und Durchführen von Ähnlichkeitssuchen, um verwandte Produkte zu finden. Dieses Muster bietet eine Grundlage für die Erstellung von Empfehlungssystemen, semantischen Suchfunktionen und anderen KI-basierten Anwendungen.
In dieser Übung ausgeführte Aufgaben:
- Herunterladen von Projektstartdateien und Konfigurieren des Bereitstellungsskripts
- Bereitstellen einer Azure-Datenbank für PostgreSQL Flexible Server mit Microsoft Entra-Authentifizierung
- Vervollständigen Sie den Flask-Anwendungscode, während der Server bereitgestellt wird.
- Aktivieren der pgvector-Erweiterung und Erstellen des Produkttabellenschemas
- Ausführen der Flask-Anwendung zum Laden von Produkten und Durchführen von Ähnlichkeitssuchen
- Neue Produkte hinzufügen und beobachten, wie sich Die Ähnlichkeitsergebnisse ändern
Diese Übung dauert ungefähr 30 Minuten, um sie abzuschließen.
Bevor du anfängst
Um die Übung abzuschließen, benötigen Sie Folgendes:
- Ein Azure-Abonnement mit den Berechtigungen zum Bereitstellen der erforderlichen Azure-Dienste. Wenn Sie noch keines besitzen, können Sie sich dafür registrieren.
- Visual Studio Code auf einer der unterstützten Plattformen
- Die aktuelle Version der Azure-Befehlszeilenschnittstelle.
- Python 3.12 oder höher.
- PostgreSQL-Befehlszeilentools (psql)
Get started
Wählen Sie die Schaltfläche " Übung starten " aus, um die Übungsanweisungen in einem neuen Browserfenster zu öffnen. Sobald Sie mit der Übung fertig sind, kehren Sie hierher zurück.
- Abschließen des Moduls
- Sammeln eines Badges zum Abschließen dieses Moduls
