Übung – Optimieren der Vektorsuchleistung in Azure-Datenbank für PostgreSQL
In dieser Übung stellen Sie eine Azure-Datenbank für PostgreSQL-Instanz bereit und optimieren sie für Vektorsuchworkloads. Sie erstellen Testdaten mit Vektoreinbettungen, analysieren die Basisleistung, erstellen und vergleichen IVFFlat- und HNSW-Indizes und optimieren Suchparameter. Diese Techniken sind für KI-Produktionsanwendungen unerlässlich, die eine schnelle Ähnlichkeitssuche über große Datasets erfordern.
In dieser Übung ausgeführte Aufgaben:
- Herunterladen von Projektstartdateien und Konfigurieren des Bereitstellungsskripts
- Bereitstellen einer Azure-Datenbank für PostgreSQL Flexible Server mit Microsoft Entra-Authentifizierung
- Erstellen eines Test-Datasets mit Vektoreinbettungen
- Analysieren der Leistung der Basisvektorsuche ohne Indizes
- Erstellen und Vergleichen von IVFFlat- und HNSW-Vektorindizes
- Optimieren Sie die Indexparameter, um Geschwindigkeit und Recall auszubalancieren.
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.
- 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
