Google BigQuery 向量搜索
Google Cloud BigQuery 向量搜索 允许您使用 GoogleSQL 进行语义搜索,使用向量索引快速获取近似结果,或者使用暴力搜索获取精确结果。
本教程演示了如何在 LangChain 中使用端到端数据和嵌入式管理系统,并在 BigQuery 中提供可扩展的语义搜索。
入门
安装库
%pip install --upgrade --quiet langchain langchain-google-vertexai google-cloud-bigquery
仅适用于 Colab: 取消下面的注释以重新启动内核,或者使用顶部的按钮重新启动内核。对于 Vertex AI Workbench,您可以使用顶部的按钮重新启动终端。
# # 自动安装后重新启动内核,以便您的环境可以访问新的软件包
# import IPython
# app = IPython.Application.instance()
# app.kernel.do_shutdown(True)
开始之前
设置您的项目 ID
如果您不知道您的项目 ID,请尝试以下操作:
运行
gcloud config list
。运行
gcloud projects list
。参阅支持页面:查找项目 ID。
# @title 项目 { display-mode: "form" }
PROJECT_ID = "" # @param {type:"string"}
# 设置项目 ID
! gcloud config set project {PROJECT_ID}
设置区域
您还可以更改 BigQuery 使用的 REGION
变量。了解更多关于 BigQuery 区域 的信息。
# @title 区域 { display-mode: "form" }
REGION = "US" # @param {type: "string"}
设置数据集和表名称
它们将是您的 BigQuery 向量存储。
# @title 数据集和表 { display-mode: "form" }
DATASET = "my_langchain_dataset" # @param {type: "string"}
TABLE = "doc_and_vectors" # @param {type: "string"}
对笔记本环境进行身份验证
如果您使用 Colab 运行此笔记本,请取消下面的注释并继续。
如果您使用 Vertex AI Workbench,请查看此处的设置说明。
from google.colab import auth as google_auth
google_auth.authenticate_user()
演示:BigQueryVectorSearch
创建嵌入式类实例
您可能需要通过运行 gcloud services enable aiplatform.googleapis.com --project {PROJECT_ID}
(将 {PROJECT_ID}
替换为您的项目名称)来在您的项目中启用 Vertex AI API。
您可以使用任何 LangChain 嵌入式模型。
from langchain_google_vertexai import VertexAIEmbeddings
embedding = VertexAIEmbeddings(
model_name="textembedding-gecko@latest", project=PROJECT_ID
)
创建 BigQuery 数据集
如果数据集不存在,可以选择创建数据集。
from google.cloud import bigquery
client = bigquery.Client(project=PROJECT_ID, location=REGION)
client.create_dataset(dataset=DATASET, exists_ok=True)
初始化 BigQueryVectorSearch 向量存储与现有的 BigQuery 数据集
from langchain_community.vectorstores import BigQueryVectorSearch
from langchain_community.vectorstores.utils import DistanceStrategy
store = BigQueryVectorSearch(
project_id=PROJECT_ID,
dataset_name=DATASET,
table_name=TABLE,
location=REGION,
embedding=embedding,
distance_strategy=DistanceStrategy.EUCLIDEAN_DISTANCE,
)
添加文本
all_texts = ["Apples and oranges", "Cars and airplanes", "Pineapple", "Train", "Banana"]
metadatas = [{"len": len(t)} for t in all_texts]
store.add_texts(all_texts, metadatas=metadatas)
搜索文档
query = "I'd like a fruit."
docs = store.similarity_search(query)
print(docs)
通过向量搜索文档
query_vector = embedding.embed_query(query)
docs = store.similarity_search_by_vector(query_vector, k=2)
print(docs)
通过元数据筛选搜索文档
# 这应该只返回 "Banana" 文档。
docs = store.similarity_search_by_vector(query_vector, filter={"len": 6})
print(docs)
使用 BigQuery 作业 ID 探索作业统计信息
job_id = "" # @param {type:"string"}
# 使用 BigQuery 作业 ID 调试和探索作业统计信息。
store.explore_job_stats(job_id)