在 Azure PostgreSQL 中設定 pgvector 擴充功能以搭配 Spring AI 使用

  • 5 分鐘

向量相似性搜尋是一種技術，用來藉由比較其向量表示法來尋找數據集中的類似項目。 向量相似度通常是使用距離計量來計算，例如 Euclidean 距離或 cosine 相似度。 在 AI 和機器學習的內容中，向量表示法或內嵌是數據點的數值表示法，例如文字、影像或用戶查詢。 這些向量會擷取數據點的語意意義，以啟用有效率的相似性搜尋。

例如，在問答系統中，用戶查詢可以轉換成向量內嵌。 然後，您可以將這些內嵌與先前提示預先計算的內嵌資料庫進行比較，並尋找最類似的提示和答案。 此程式稱為向量相似性搜尋。

什麼是 pgvector 延伸模組？

延伸 pgvector 模組是 PostgreSQL 的延伸模組，可新增對向量數據類型和作業的支援。 它可讓您直接在PostgreSQL資料庫中儲存和查詢向量內嵌。 透過 pgvector，您可以使用向量作業執行有效率的相似性搜尋，使其成為需要語意搜尋功能的應用程式的理想選擇。

擴充套件 pgvector 包含以下主要功能：

  • 支援向量數據類型。
  • 有效率的向量數據的索引編製和查詢。
  • 與 PostgreSQL 的現有功能和延伸模組整合。

Azure PostgreSQL 中的 pgvector 擴充功能

pgvector 延伸模組會將開放原始碼向量相似度搜尋新增至 PostgreSQL。

您必須先將它新增至允許清單，才能在適用於 PostgreSQL 的 Azure 資料庫彈性伺服器執行個體上啟用 pgvector，如允許延伸模組中所述。 若要判斷您是否已正確新增它，請使用下列命令： SHOW azure.extensions;

這很重要

PostgreSQL 社群通常將此延伸模組稱為 pgvector。 不過，二進位檔的名稱和副檔名本身是 vector，這是您必須在 allowlist 中使用的名稱，以及透過 CREATE EXTENSION 命令在 PostgreSQL 中建立它時使用的名稱。

將擴充功能新增至allowlist之後，請使用下列 SQL 命令來安裝擴充功能：

CREATE EXTENSION IF NOT EXISTS vector;

pgvector 作業

延伸 pgvector 模組會啟用有效率的相似性搜尋，如下列範例所示：

SELECT id, prompt, response
FROM chat_history
ORDER BY embedding <-> '[0.1,0.2,...]'::vector
LIMIT 3;

pgvector 的 Spring AI 實作

Spring AI 包含名為 VectorStore的pgvector抽象概念。 此實作需要另外兩個 PostgreSQL 延伸模組： hstore 和 uuid-ossp。

啟動時，Spring Boot 會安裝必要的擴充功能，並在不存在時建立具有索引的必要 vector_store 數據表。

單元摘要

向量相似性搜尋和 pgvector 延伸模組提供強大的功能，可建置需要語意搜尋功能的 AI 支援應用程式。 在 Azure PostgreSQL 中使用這些工具，您可以有效地儲存、編製索引和查詢向量內嵌，以啟用應用程式中的進階搜尋和擷取功能。

在下一個單元中，您會執行建立及設定PostgreSQL資料庫、啟用 pgvector 擴充功能，以及建立必要數據表以搭配 Spring AI 使用的步驟。