Skip to main content
Open on GitHub

MyScale

本页面介绍了如何在LangChain中使用MyScale向量数据库。 内容分为两部分：安装和设置，以及对特定MyScale封装器的引用。

使用MyScale，您可以管理结构化和非结构化（向量化）数据，并使用SQL对这两种类型的数据执行联合查询和分析。此外，MyScale基于ClickHouse构建的云原生OLAP架构，即使在大规模数据集上也能实现闪电般快速的数据处理。

介绍​

MyScale和高性能向量搜索概述

您现在可以在我们的SaaS上注册并立即启动集群！

如果您对我们如何成功集成SQL和向量也感兴趣，请参考此文档以获取进一步的语法参考。

我们还在huggingface上提供实时演示！请查看我们的huggingface空间！他们在一瞬间搜索数百万个向量！

安装与设置​

  • 使用 pip install clickhouse-connect 安装 Python SDK

设置环境​

有两种方法可以为myscale索引设置参数。

  1. 环境变量

    在运行应用程序之前，请使用export设置环境变量： export MYSCALE_HOST='' MYSCALE_PORT= MYSCALE_USERNAME= MYSCALE_PASSWORD= ...

    您可以在我们的SaaS上轻松找到您的账户、密码和其他信息。详情请参阅此文档 MyScaleSettings下的每个属性都可以使用前缀MYSCALE_进行设置，并且不区分大小写。

  2. Create MyScaleSettings object with parameters

    from langchain_community.vectorstores import MyScale, MyScaleSettings
    config = MyScaleSettings(host="<your-backend-url>", port=8443, ...)
    index = MyScale(embedding_function, config)
    index.add_documents(...)

包装器​

支持的函数：

  • add_texts
  • add_documents
  • from_texts
  • from_documents
  • similarity_search
  • asimilarity_search
  • similarity_search_by_vector
  • asimilarity_search_by_vector
  • similarity_search_with_relevance_scores
  • delete

向量存储​

存在一个围绕MyScale数据库的封装器，允许您将其用作向量存储，无论是用于语义搜索还是类似的示例检索。

要导入这个向量存储：

from langchain_community.vectorstores import MyScale
API Reference:MyScale

有关MyScale包装器的更详细演练，请参阅此笔记本

这个页面有帮助吗？