Skip to main content
Open In ColabOpen on GitHub

Rockset

Rockset 是一个为云环境构建的实时搜索与分析数据库。Rockset 使用具有高效向量嵌入存储的 Converged Index™，能够以低延迟、高并发的方式大规模处理搜索查询。Rockset 完全支持元数据过滤，并可处理持续更新的流式数据的实时摄入。

本笔记本演示了如何在 LangChain 中将 Rockset 用作向量存储。在开始之前，请确保您能够访问一个 Rockset 账户并拥有可用的 API 密钥。立即开始您的免费试用。

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

设置你的环境​

  1. 利用 Rockset 控制台创建一个以写入 API 作为数据源的 集合。在本教程中，我们将创建一个名为 langchain_demo 的集合。

    配置以下 ingest 转换 以标记您的嵌入字段，并利用性能和存储优化：

    （本示例使用了 OpenAI text-embedding-ada-002，其中 #向量嵌入长度 = 1536）

SELECT _input.* EXCEPT(_meta), 
VECTOR_ENFORCE(_input.description_embedding, #length_of_vector_embedding, 'float') as description_embedding 
FROM _input

  1. 创建集合后，请使用控制台获取一个API密钥。在本笔记本中，我们假设您使用的是Oregon(us-west-2)区域。

  2. 安装 rockset-python-client 以使 LangChain 能够直接与 Rockset 通信。

%pip install --upgrade --quiet  rockset

LangChain 教程​

在您自己的 Python 笔记本中跟随操作，以在 Rockset 中生成并存储向量嵌入。 开始使用 Rockset 搜索与您的查询相似的文档。

1. 定义关键变量​

import os

import rockset

ROCKSET_API_KEY = os.environ.get(
    "ROCKSET_API_KEY"
)  # Verify ROCKSET_API_KEY environment variable
ROCKSET_API_SERVER = rockset.Regions.usw2a1  # Verify Rockset region
rockset_client = rockset.RocksetClient(ROCKSET_API_SERVER, ROCKSET_API_KEY)

COLLECTION_NAME = "langchain_demo"
TEXT_KEY = "description"
EMBEDDING_KEY = "description_embedding"

2. 准备文档​

from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import Rockset
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import 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)

3. 插入文档​

embeddings = OpenAIEmbeddings()  # Verify OPENAI_API_KEY environment variable

docsearch = Rockset(
    client=rockset_client,
    embeddings=embeddings,
    collection_name=COLLECTION_NAME,
    text_key=TEXT_KEY,
    embedding_key=EMBEDDING_KEY,
)

ids = docsearch.add_texts(
    texts=[d.page_content for d in docs],
    metadatas=[d.metadata for d in docs],
)

4. 搜索相似文档​

query = "What did the president say about Ketanji Brown Jackson"
output = docsearch.similarity_search_with_relevance_scores(
    query, 4, Rockset.DistanceFunction.COSINE_SIM
)
print("output length:", len(output))
for d, dist in output:
    print(dist, d.metadata, d.page_content[:20] + "...")

##
# output length: 4
# 0.764990692109871 {'source': '../../../state_of_the_union.txt'} Madam Speaker, Madam...
# 0.7485416901622112 {'source': '../../../state_of_the_union.txt'} And I’m taking robus...
# 0.7468678973398306 {'source': '../../../state_of_the_union.txt'} And so many families...
# 0.7436231261419488 {'source': '../../../state_of_the_union.txt'} Groups of citizens b...

5. 使用过滤条件搜索相似文档​

output = docsearch.similarity_search_with_relevance_scores(
    query,
    4,
    Rockset.DistanceFunction.COSINE_SIM,
    where_str="{} NOT LIKE '%citizens%'".format(TEXT_KEY),
)
print("output length:", len(output))
for d, dist in output:
    print(dist, d.metadata, d.page_content[:20] + "...")

##
# output length: 4
# 0.7651359650263554 {'source': '../../../state_of_the_union.txt'} Madam Speaker, Madam...
# 0.7486265516824893 {'source': '../../../state_of_the_union.txt'} And I’m taking robus...
# 0.7469625542348115 {'source': '../../../state_of_the_union.txt'} And so many families...
# 0.7344177777547739 {'source': '../../../state_of_the_union.txt'} We see the unity amo...

6. [可选] 删除已插入的文档​

您必须拥有与每个文档关联的唯一ID，才能从集合中删除它们。 在插入文档时使用 Rockset.add_texts() 定义ID。否则，Rockset将为每个文档生成一个唯一ID。无论哪种方式，Rockset.add_texts() 都会返回已插入文档的ID。

要删除这些文档，只需使用 Rockset.delete_texts() 函数即可。

docsearch.delete_texts(ids)

总结​

在本教程中，我们成功创建了 Rockset 个集合，使用 OpenAI 嵌入技术创建了 inserted 个文档，并在有和没有元数据过滤器的情况下搜索了相似文档。

关注 https://rockset.com/ 以获取此领域的未来更新。