MyScale

本页介绍了如何在 LangChain 中使用 MyScale 向量数据库。 它分为两部分：安装和设置，然后是对特定 MyScale 包装器的引用。

借助 MyScale，您可以管理结构化和非结构化（矢量化）数据，并使用 SQL 对这两种类型的数据执行联合查询和分析。此外，MyScale 的云原生 OLAP 架构构建在 ClickHouse 之上，即使在海量数据集上也能实现闪电般的数据处理。

介绍

MyScale 和高性能矢量搜索概述

您现在可以在我们的 SaaS 上注册并立即启动集群！

如果你也对我们如何集成 SQL 和 vector 感兴趣，请参考此文档以获取进一步的语法参考。

我们还在 huggingface 上提供现场演示！请查看我们的 huggingface 空间！他们在眨眼间搜索了数百万个向量！

安装和设置

• 安装 Python SDKpip install clickhouse-connect

设置环境

有两种方法可以设置 myscale 索引的参数。

1. 环境变量

   在运行应用程序之前，请使用export:export MYSCALE_HOST='<your-endpoints-url>' MYSCALE_PORT=<your-endpoints-port> MYSCALE_USERNAME=<your-username> MYSCALE_PASSWORD=<your-password> ...

   您可以在我们的 SaaS 上轻松找到您的帐户、密码和其他信息。有关详细信息，请参阅此文档MyScaleSettings可以使用 prefix 设置MYSCALE_并且不区分大小写。

2. 创造MyScaleSettings带参数的对象

   from langchain_community.vectorstores import MyScale, MyScaleSettings
   config = MyScaleSettings(host="<your-backend-url>", port=8443, ...)
   index = MyScale(embedding_function, config)
   index.add_documents(...)

包装

支持的功能：

• add_texts
• add_documents
• from_texts
• from_documents
• similarity_search
• asimilarity_search
• similarity_search_by_vector
• asimilarity_search_by_vector
• similarity_search_with_relevance_scores
• delete

矢量存储

MyScale 数据库周围有一个包装器，允许您将其用作矢量存储， 无论是用于语义搜索还是类似的示例检索。

要导入此 vectorstore：

from langchain_community.vectorstores import MyScale

API 参考：MyScale

有关 MyScale 包装器的更详细演练，请参阅此笔记本