lakebase_vector

L'estensione lakebase_vector aggiunge una ricerca del vettore ann (nearest-neighbor) approssimativa a Lakebase tramite il lakebase_ann tipo di indice. Si tratta di un drop-in complementare a pgvector: gli stessi tipi di vettore, operatori di distanza e sintassi di query funzionano senza modifiche.

Install

Abilitare prima di tutto Lakebase Search nelle impostazioni del progetto. Installare quindi l'estensione:

CREATE EXTENSION IF NOT EXISTS lakebase_vector CASCADE;

La CASCADE parola chiave viene pgvector installata automaticamente come dipendenza.

Avvio rapido

-- Create a table with a vector column
CREATE TABLE items (id BIGSERIAL PRIMARY KEY, embedding VECTOR(3));

-- Insert sample data
INSERT INTO items (embedding)
SELECT ARRAY[random(), random(), random()]::real[]
FROM generate_series(1, 1000);

-- Create a lakebase_ann index
CREATE INDEX ON items USING lakebase_ann (embedding vector_l2_ops);

-- Query using standard pgvector distance operators
SELECT * FROM items ORDER BY embedding <-> '[3,1,2]' LIMIT 5;

Configurare l'indice

Impostare build_mode in fase di creazione dell'indice per controllare il compromesso di accuratezza/velocità:

• standard (impostazione predefinita): ottimizza per il richiamo. Usare per la maggior parte dei carichi di lavoro.
• fast: viene compilato più velocemente in caso di richiamo inferiore. Usare quando il tempo di compilazione è più importante della qualità della ricerca.

CREATE INDEX ON items USING lakebase_ann (embedding vector_l2_ops) WITH (build_mode = 'fast');

Compilare gli indici contemporaneamente

Usare CREATE INDEX CONCURRENTLY per compilare senza bloccare la tabella, quindi REINDEX CONCURRENTLY per ricompilare senza tempi di inattività:

CREATE INDEX CONCURRENTLY items_embedding_ann ON items
  USING lakebase_ann (embedding vector_l2_ops);

REINDEX INDEX CONCURRENTLY items_embedding_ann;

Ottimizzare l'accuratezza della ricerca

Prima dell'ottimizzazione, chiamare lakebase_ann_index_info(index_name) per ottenere i valori , listse default_probes dell'indicedefault_epsilon.

Impostare lakebase_ann.probes in fase di query per controllare il compromesso di accuratezza/velocità. I valori più elevati migliorano il richiamo ma le query lente.

Prima di impostare lakebase_ann.probes, chiamare lakebase_ann_index_info per trovare la lists matrice. Impostare un valore probe per voce di elenco:

-- Check your index's lists length first
SELECT lakebase_ann_index_info('items_embedding_ann');

-- Set probes matching the lists array (example: one partition)
SET lakebase_ann.probes TO '22';
SELECT * FROM items ORDER BY embedding <-> '[3,1,2]' LIMIT 10;

lakebase_ann.epsilon controlla il margine di ri rango. Il valore predefinito di 1.9 funziona bene per la maggior parte dei carichi di lavoro.

SET lakebase_ann.epsilon TO '1.5';

Classi di operatore

Scegliere la classe di operatore corrispondente alla modalità di training degli incorporamenti e usare la stessa metrica per l'indice e la query:

• vector_cosine_ops (<=>) è somiglianza coseno. Usarlo per la maggior parte degli incorporamenti di testo. Questa è la scelta più comune.
• vector_l2_ops (<->) è la distanza Euclidea (L2). Usarlo quando la distanza spaziale assoluta conta e i vettori non vengono normalizzati.
• vector_ip_ops (<#>) è prodotto interno negativo. Usarlo quando i vettori vengono pre normalizzati per la lunghezza dell'unità. Per i vettori di unità, il prodotto interno è uguale alla somiglianza del coseno ed è in genere più veloce.

Informazioni di riferimento sulle opzioni di indice

Informazioni di riferimento su GUC

Funzioni di utilità

Passaggi successivi

• lakebase_text
• Ricerca in Lakebase