Bagikan melalui

vector_search fungsi

  • Artikel

Berlaku untuk: centang ditandai ya Databricks SQL

Penting

Fungsionalitas ini ada di Pratinjau Umum. Kirim formulir pendaftaran untuk berpartisipasi dalam pratinjau.

Fungsi ini vector_search() memungkinkan Anda untuk mengkueri indeks Pencarian Vektor Mosaik AI menggunakan SQL.

Persyaratan

  • Fungsi ini tidak tersedia di gudang SQL klasik.
  • Untuk informasi selengkapnya, lihat halaman harga Databricks SQL.

Sintaks

vector_search(index, query, num_results)

Argumen

Semua argumen harus diteruskan berdasarkan nama, seperti vector_search(index => indexName, query => queryText).

  • index: Konstanta STRING , nama yang sepenuhnya memenuhi syarat dari indeks pencarian vektor yang ada di ruang kerja yang sama untuk pemanggilan. Pendefinisi harus memiliki izin "Pilih" pada indeks.
  • query: Ekspresi STRING , string yang akan dicari dalam indeks.
  • num_results (opsional): Konstanta bilangan bulat, jumlah maksimum rekaman yang akan dikembalikan. Default ke 10.

Mengembalikan

Tabel rekaman pencocokan teratas dari indeks. Semua kolom indeks disertakan.

Contoh

Cari di atas indeks SKU produk untuk menemukan produk serupa berdasarkan nama.


SELECT * FROM VECTOR_SEARCH(index => "main.db.my_index", query => "iphone", num_results => 2)
ID Nama produk
10 iPhone
20 iPhone SE

Contoh berikut mencari beberapa istilah secara bersamaan dengan menggunakan subkueri LATERAL.


SELECT
  query_txt,
  query_id,
  search.*
FROM
  query_table,
  LATERAL(
SELECT * FROM VECTOR_SEARCH(index => "main.db.my_index", query => query_txt, num_results => 2)
  ) as search
query_txt query_id search.id search.product_name
iphone 1 10 iPhone 10
iphone 1 20 iPhone SE
piksel 8 2 30 Piksel 8
piksel 8 2 40 Piksel 8a

Batasan

Batasan berikut berlaku selama pratinjau:

  • Jenis indeks kueri DIRECT_ACCESS tidak didukung.
  • Indeks dengan embedding_vector_columns tidak didukung.
  • Parameter filters_json input atau columns tidak didukung.
  • Pencarian Vektor dengan num_results lebih dari 100 tidak didukung.
  • Pengguna yang tidak memiliki akses BACA ke tabel sumber tidak dapat menggunakan vector_search().
  • vector_search tidak dapat digunakan dengan model yang melayani titik akhir menggunakan throughput yang disediakan API Model Foundation.