百度向量数据库

Baidu VectorDB 是一个稳健的企业级分布式数据库服务，由百度智能云精心开发并全面管理。它以其卓越的多维向量数据存储、检索和分析能力而脱颖而出。VectorDB的核心基于百度自主知识产权的“Mochow”向量数据库内核，确保了高性能、高可用性和安全性，并具备出色的可扩展性和用户友好性。

此数据库服务支持多种索引类型和相似性计算方法，适用于各种用例。VectorDB 的一个亮点是其能够管理高达十亿规模的向量数据，并保持出色的查询性能，在毫秒级查询延迟的情况下每秒可支持数百万次查询（QPS）。

您需要使用 langchain-community 安装 pip install -qU langchain-community 才能使用此集成

这个笔记本展示了如何使用与百度向量数据库相关的功能。

要运行，您应该有一个数据库实例。.

!pip3 install pymochow

from langchain_community.document_loaders import TextLoader
from langchain_community.embeddings.fake import FakeEmbeddings
from langchain_community.vectorstores import BaiduVectorDB
from langchain_community.vectorstores.baiduvectordb import ConnectionParams
from langchain_text_splitters import CharacterTextSplitter

API 参考:文本加载器 |假嵌入向量 |BaiduVectorDB |ConnectionParams |CharacterTextSplitter

loader = TextLoader("../../how_to/state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
embeddings = FakeEmbeddings(size=128)

conn_params = ConnectionParams(
    endpoint="http://192.168.xx.xx:xxxx", account="root", api_key="****"
)

vector_db = BaiduVectorDB.from_documents(
    docs, embeddings, connection_params=conn_params, drop_old=True
)

query = "What did the president say about Ketanji Brown Jackson"
docs = vector_db.similarity_search(query)
docs[0].page_content

vector_db = BaiduVectorDB(embeddings, conn_params)
vector_db.add_texts(["Ankush went to Princeton"])
query = "Where did Ankush go to college?"
docs = vector_db.max_marginal_relevance_search(query)
docs[0].page_content

向量存储概念指南
向量存储使用指南

相关​

相关