Ejercicio: Optimización del rendimiento de las consultas con índices vectoriales en Azure Cosmos DB para NoSQL
En este ejercicio, comparará y optimizará las estrategias de indexación de vectores para optimizar el rendimiento de las consultas en Azure Cosmos DB para NoSQL. Los índices vectoriales afectan significativamente tanto la calidad de búsqueda como el consumo de Unidades de Solicitud (RU). Los contenedores se crean con tres tipos de índice diferentes(flat, quantizedFlat y diskANN), se cargan datos de ejemplo idénticos y se ejecutan búsquedas comparativas para medir las diferencias de rendimiento. Esta práctica práctica le ayuda a seleccionar la estrategia de indexación adecuada para los requisitos de la aplicación de IA.
Tareas realizadas en este ejercicio:
- Descarga de archivos de inicio del proyecto y configuración del script de implementación
- Implementación de una cuenta de Azure Cosmos DB para NoSQL con funcionalidad de búsqueda vectorial
- Compilación de funciones de Python para comparar el rendimiento del índice vectorial
- Creación de contenedores con índices flat, quantizedFlat y diskANN
- Prueba y comparación del rendimiento del índice mediante una aplicación web de Flask
Este ejercicio se realiza en aproximadamente 30 minutos.
Antes de comenzar
Para completar el ejercicio, necesita lo siguiente:
- Una suscripción de Azure con los permisos para implementar los servicios de Azure necesarios. Si aún no tiene una, puede registrarse para obtener una.
- Visual Studio Code en una de las plataformas admitidas.
- La versión más reciente de la CLI de Azure.
- Python 3.12 o superior.
Comienza
Seleccione el botón Iniciar ejercicio para abrir las instrucciones del ejercicio en una nueva ventana del explorador. Cuando haya terminado con el ejercicio, vuelva aquí a:
- Completar el módulo
- Reciba un distintivo por completar este módulo
