NoSQL용 Azure Cosmos DB에서 벡터 검색 구현
중급
개발자
Azure Cosmos DB
벡터 포함을 저장하고, VectorDistance 함수를 사용하여 유사성 쿼리를 실행하고, 벡터 검색을 메타데이터 필터 및 하이브리드 검색과 결합하고, 변경 피드를 사용하여 포함을 동기화된 상태로 유지하는 방법을 알아봅니다.
학습 목표
이 모듈을 완료하면 다음을 수행할 수 있습니다.
- 올바르게 구성된 벡터 정책을 사용하여 Azure Cosmos DB 컨테이너에 벡터 포함 저장 및 검색
- VectorDistance 함수를 사용하여 벡터 유사성 쿼리를 실행하여 의미상 유사한 문서를 찾습니다.
- 하이브리드 쿼리를 사용하여 메타데이터 필터 및 전체 텍스트 검색과 벡터 검색 결합
- 원본 문서가 변경될 때 포함을 자동으로 새로 고치도록 변경 피드 처리 구현
사전 요구 사항
이 모듈을 시작하기 전에 다음이 필요합니다.
- Python, JavaScript 또는 C와 같은 언어를 사용한 프로그래밍 환경#
- NoSQL 컨테이너, 항목 및 인덱싱 정책에 대한 Azure Cosmos DB 이해
- AI 애플리케이션에서 벡터 포함 및 해당 역할에 대한 숙지
- Azure OpenAI와 같은 포함 API 호출 경험