Exercice - Implémenter la recherche vectorielle sur Azure Database pour PostgreSQL
Dans cet exercice, vous créez une application de recherche de similarité de produit à l’aide d’Azure Database pour PostgreSQL et de l’extension pgvector. Vous activez les fonctionnalités de stockage vectoriel, créez un schéma de base de données pour les produits avec des incorporations, chargez des exemples de données via une application web Flask et effectuez des recherches de similarité pour rechercher des produits connexes. Ce modèle fournit une base pour créer des systèmes de recommandation, des fonctionnalités de recherche sémantique et d’autres applications basées sur l’IA.
Tâches effectuées dans cet exercice :
- Télécharger des fichiers de démarrage de projet et configurer le script de déploiement
- Déployer un serveur flexible Azure Database pour PostgreSQL avec l’authentification Microsoft Entra
- Terminer le code de l’application Flask pendant le déploiement du serveur
- Activer l’extension pgvector et créer le schéma de table de produits
- Exécuter l’application Flask pour charger des produits et effectuer des recherches de similarité
- Ajouter de nouveaux produits et observer comment les résultats de similarité changent
Cet exercice prend environ 30 minutes.
Avant de commencer
Pour effectuer l’exercice, vous avez besoin des éléments suivants :
- Un abonnement Azure disposant des autorisations nécessaires pour déployer les services Azure nécessaires. Si vous n’en avez pas encore, vous pouvez vous inscrire à un.
- Visual Studio Code sur l’une des plateformes prises en charge.
- La version la plus récente d’Azure CLI.
- Python 3.12 ou version ultérieure.
- Outils en ligne de commande PostgreSQL (psql)
Get started
Sélectionnez le bouton Lancer l’exercice pour ouvrir les instructions de l’exercice dans une nouvelle fenêtre de navigateur. Une fois l’exercice terminé, revenez ici pour :
- Terminer le module
- Gagnez un badge pour terminer ce module
