pgvecto.rs ดาวน์โหลด - pgvecto.rs ดาวน์โหลดซอร์สโค้ด

pgvecto.rs

ซอร์สโค้ดอื่น ๆ

v0.4.0

ดาวน์โหลด

pgvecto.rs

pgvecto.rs เป็นส่วนขยาย Postgres ที่ให้ฟังก์ชันการค้นหาความคล้ายคลึงกันของเวกเตอร์ เขียนด้วยภาษา Rust และอิงจาก pgrx

เปรียบเทียบกับ pgvector

ชำระเงิน pgvecto.rs กับ pgvector เพื่อดูรายละเอียดเพิ่มเติม

คุณสมบัติ	pgvecto.rs	pgvector
การกรอง	แนะนำวิธี VBASE สำหรับการค้นหาเวกเตอร์และการสืบค้นเชิงสัมพันธ์ (เช่น Single-Vector TopK + Filter + Join)	เมื่อใช้ตัวกรอง ผลลัพธ์อาจไม่สมบูรณ์ ตัวอย่างเช่น หากเดิมทีคุณตั้งใจจะจำกัดผลลัพธ์ไว้ที่ 10 รายการ คุณอาจพบผลลัพธ์เพียง 5 รายการที่มีตัวกรอง
ขนาดเวกเตอร์	รองรับขนาดสูงสุด 65535	รองรับได้ถึง 2,000 มิติ
ซิมดี	คำสั่ง SIMD จะถูกส่งแบบไดนามิก ณ รันไทม์เพื่อเพิ่มประสิทธิภาพสูงสุดตามความสามารถของเครื่องเฉพาะ	เพิ่มการจัดส่ง CPU สำหรับฟังก์ชันระยะทางบน Linux x86-64" ใน 0.7.0
ประเภทข้อมูล	แนะนำประเภทข้อมูลเพิ่มเติม: เวกเตอร์ไบนารี, FP16 (จุดลอยตัว 16 บิต) และ INT8 (จำนวนเต็ม 8 บิต)	-
การจัดทำดัชนี	จัดการพื้นที่เก็บข้อมูลและหน่วยความจำของดัชนีแยกจาก PostgreSQL	อาศัยกลไกการจัดเก็บข้อมูลดั้งเดิมของ PostgreSQL
วอลสนับสนุน	ให้การสนับสนุน Write-Ahead Logging (WAL) สำหรับข้อมูล การสนับสนุนดัชนีอยู่ระหว่างดำเนินการ	ให้การสนับสนุน Write-Ahead Logging (WAL) สำหรับดัชนีและข้อมูล

เอกสารประกอบ

เริ่มต้นใช้งาน
- ภาพรวม
- การติดตั้ง
การใช้งาน
- การจัดทำดัชนี
- ค้นหา
การบริหาร
- การกำหนดค่า
- การอัพเกรดจากเวอร์ชั่นเก่า
นักพัฒนา
- บทช่วยสอนการพัฒนา

เริ่มต้นอย่างรวดเร็ว

สำหรับผู้ใช้ใหม่ เราขอแนะนำให้ใช้อิมเมจ Docker เพื่อเริ่มต้นอย่างรวดเร็ว

docker run 
  --name pgvecto-rs-demo 
  -e POSTGRES_PASSWORD=mysecretpassword 
  -p 5432:5432 
  -d tensorchord/pgvecto-rs:pg16-v0.2.1

จากนั้นคุณสามารถเชื่อมต่อกับฐานข้อมูลโดยใช้เครื่องมือบรรทัดคำสั่ง psql ชื่อผู้ใช้เริ่มต้นคือ postgres และรหัสผ่านเริ่มต้นคือ mysecretpassword

psql -h localhost -p 5432 -U postgres

เรียกใช้ SQL ต่อไปนี้เพื่อให้แน่ใจว่าส่วนขยายถูกเปิดใช้งาน

DROP EXTENSION IF EXISTS vectors;
CREATE EXTENSION vectors;

pgvecto.rs แนะนำ vector(n) ซึ่งแสดงถึงเวกเตอร์ n มิติ n ภายในวงเล็บหมายถึงขนาดของเวกเตอร์

คุณสามารถสร้างตารางด้วย SQL ต่อไปนี้

 -- create table with a vector column

CREATE TABLE items (
  id bigserial PRIMARY KEY ,
  embedding vector( 3 ) NOT NULL -- 3 dimensions
);

เคล็ดลับ

vector(n) เป็นประเภทข้อมูลที่ถูกต้องก็ต่อเมื่อ $1 leq n leq 65535$ - เนื่องจากข้อจำกัดของ PostgreSQL จึงสามารถสร้างค่าประเภท vector(3) ของได้ $5$ มิติข้อมูลและ vector ก็เป็นประเภทข้อมูลที่ถูกต้องเช่นกัน อย่างไรก็ตาม คุณยังไม่สามารถใส่ได้ $0$ สเกลาร์หรือมากกว่า $65535$ สเกลาร์เป็นเวกเตอร์ หากคุณใช้ vector สำหรับคอลัมน์หรือมีค่าบางค่าไม่ตรงกับมิติที่แสดงโดยคอลัมน์ คุณจะไม่สามารถสร้างดัชนีในนั้นได้

จากนั้นคุณสามารถเติมข้อมูลเวกเตอร์ลงในตารางได้ดังนี้

 -- insert values

INSERT INTO items (embedding)
VALUES ( ' [1,2,3] ' ), ( ' [4,5,6] ' );

-- or insert values using a casting from array to vector

INSERT INTO items (embedding)
VALUES (ARRAY[ 1 , 2 , 3 ]:: real []), (ARRAY[ 4 , 5 , 6 ]:: real []);

เราสนับสนุนตัวดำเนินการสามตัวในการคำนวณระยะห่างระหว่างเวกเตอร์สองตัว

<-> : ระยะทางแบบยุคลิดกำลังสอง กำหนดให้เป็น $ซิกมา (x_i - y_i) ^ 2$ -
<#> : ผลคูณดอทลบ กำหนดให้เป็น $- ซิกมา x_iy_i$ -
<=> : ระยะทางโคไซน์ กำหนดเป็น $1 - frac{Sigma x_iy_i}{sqrt{Sigma x_i^2 Sigma y_i^2}}$ -

 -- call the distance function through operators

-- squared Euclidean distance
SELECT ' [1, 2, 3] ' ::vector < - > ' [3, 2, 1] ' ::vector;
-- negative dot product
SELECT ' [1, 2, 3] ' ::vector < # > '[3, 2, 1]'::vector;
-- cosine distance
SELECT ' [1, 2, 3] ' ::vector <=> ' [3, 2, 1] ' ::vector;

คุณสามารถค้นหาเวกเตอร์ได้ง่ายๆ เช่นนี้

 -- query the similar embeddings
SELECT * FROM items ORDER BY embedding < - > ' [3,2,1] ' LIMIT 5 ;

แอปพลิเคชั่นตอบคำถามง่ายๆ

โปรดดูบทช่วยสอนแอปพลิเคชันการตอบคำถาม

จุดลอยตัวที่มีความแม่นยำครึ่งหนึ่ง

ประเภท vecf16 นั้นเหมือนกันกับ vector ในอะไรก็ได้ยกเว้นประเภทสเกลาร์ มันเก็บตัวเลขทศนิยม 16 บิต หากคุณต้องการลดการใช้หน่วยความจำเพื่อให้ได้ประสิทธิภาพที่ดีขึ้น คุณสามารถลองแทนที่ประเภท vector ด้วยประเภท vecf16