运行向量相似度搜索

本文档介绍了如何使用 pgvector 扩展程序在 AlloyDB for PostgreSQL 中执行向量相似度搜索。借助矢量相似度搜索（也称为最近邻搜索），您可以查找数据中与给定查询向量最相似的数据点。

存储和编入索引嵌入后，您可以查询 AlloyDB 数据库以查找语义上相似的矢量。使用 pgvector 查询地图项来查找嵌入向量的最近邻。

如需详细了解如何存储矢量嵌入和创建索引，请分别参阅存储矢量嵌入和创建索引。

如需运行相似搜索，请指定表、嵌入列、距离函数、目标嵌入和要返回的行数。您还可以使用 embedding() 函数将文本转换为向量，然后使用 pgvector 运算符将向量与存储的嵌入进行比较。

如需查找嵌入向量的最近邻语义，您可以运行以下示例查询，并在其中设置与在创建索引期间使用的距离函数相同的距离函数。

  SELECT * FROM TABLE
    ORDER BY EMBEDDING_COLUMN DISTANCE_FUNCTION_QUERY ['EMBEDDING']
    LIMIT ROW_COUNT

替换以下内容：

  • TABLE：包含要与文本进行比较的嵌入的表。

  • EMBEDDING_COLUMN：包含存储的嵌入的列。

  • DISTANCE_FUNCTION_QUERY：要与此查询搭配使用的距离函数。根据创建索引时使用的距离函数，选择以下任一选项：

    • L2 距离：<->

    • 内积：<#>

    • 余弦距离： <=>

  • EMBEDDING：您要查找其最近的已存语义邻居的嵌入向量。

  • ROW_COUNT：要返回的行数。

    如果您只希望获得单个最佳匹配，请指定 1。

如需详细了解其他查询示例，请参阅查询。

您还可以使用 embedding() 函数将文本转换为向量。标准 pgvector PostgreSQL 扩展程序已针对 AlloyDB 进行了自定义，并称为 vector。您可以将该向量应用于 pgvector 中的某个最近邻运算符（例如，用于 L2 距离的 <->），以查找在语义上最相似的嵌入数据库行。

由于 embedding() 会返回 real 数组，因此您必须将 embedding() 调用显式转换为 vector，才能将这些值与 pgvector 运算符搭配使用。

  CREATE EXTENSION IF NOT EXISTS google_ml_integration VERSION '1.2';
  CREATE EXTENSION IF NOT EXISTS vector;

  SELECT * FROM TABLE
    ORDER BY EMBEDDING_COLUMN::vector
    <-> embedding('MODEL_IDVERSION_TAG', 'TEXT')
    LIMIT ROW_COUNT

替换以下内容：

  • MODEL_ID：要查询的模型的 ID。

    如果您使用的是 Vertex AI Model Garden，请将 text-embedding-005 指定为模型 ID。以下是 AlloyDB 可用于文本嵌入的云端模型。如需了解详情，请参阅文本嵌入。

  • 可选：VERSION_TAG：要查询的模型的版本标记。在该标记前面加上 @。

    如果您将 text-embedding-005 英语模型之一与 Vertex AI 搭配使用，请指定 模型版本中列出的某个版本标记，例如 text-embedding-005。

    Google 强烈建议您始终指定版本标记。如果您未指定版本标记，AlloyDB 将使用最新的模型版本，这可能会导致意外结果。

  • TEXT：要转换为向量嵌入的文本。

后续步骤