DashVector - 阿里云向量检索服务

DashVector

文章目录

• DashVector
• • [一、关于 DashVector](#一、关于 DashVector)
  • [二、使用 DashVector 前提准备](#二、使用 DashVector 前提准备)
  • • 1、创建Cluster：
    • • 2、获得API-KEY
      • 3、安装最新版SDK
  • [三、快速使用 DashVector](#三、快速使用 DashVector)
  • • [1. 创建Client](#1. 创建Client)
    • [2. 创建Collection](#2. 创建Collection)
    • 3、插入Doc
    • 4、相似性检索
    • 5、删除Doc
    • [6. 查看Collection统计信息](#6. 查看Collection统计信息)
    • [7. 删除Collection](#7. 删除Collection)
  • [四、关于 Proxima](#四、关于 Proxima)
  • • 核心能力
  • [五、构建 Proxima](#五、构建 Proxima)
  • • [获取 Docker 镜像](#获取 Docker 镜像)
  • 六、向量检索基本概念
  • • Client**（**客户端**）
    • Cluster（实例）
    • Collection（**集合**）
    • Partition**（**分区**）
    • Doc**（**文档**）
    • Field（**字段**）
    • Vector（**向量**）
    • [Sparse Vector（稀疏向量）](#Sparse Vector（稀疏向量）)
    • QPS**（**访问频次**）
    • API-KEY

---

一、关于 DashVector

向量检索服务DashVector基于通义实验室自研的高效向量引擎Proxima内核，提供具备水平拓展能力的云原生、全托管的向量检索服务。

DashVector 将其强大的向量管理、向量查询等多样化能力，通过简洁易用的SDK/API接口透出，方便被上层AI应用迅速集成，从而为包括大模型生态、多模态AI搜索、分子结构分析在内的多种应用场景，提供所需的高效向量检索能力。

---

• 阿里云：向量检索服务
  https://help.aliyun.com/document_detail/2510225.html
• 产品首页：https://www.aliyun.com/product/ai/dashvector
• DashVector PYPI : https://pypi.org/project/dashvector/
• LangChain - DashVector
  https://python.langchain.com/docs/integrations/vectorstores/dashvector
• 实践教程 ： https://help.aliyun.com/document_detail/2510233.html
  • 基于向量检索服务与TextEmbedding实现语义搜索
  • DashVector x 通义千问大模型：打造基于专属知识的问答服务
  • DashVector + ModelScope 玩转多模态检索
  • DashVector + DashScope升级多模态检索
  • 文本向量生成
  • 多模态向量生成
  • 图片向量生成

---

二、使用 DashVector 前提准备

---

1、创建Cluster：

https://help.aliyun.com/document_detail/2631966.html

---

1)登录向量检索服务控制台。

https://dashvector.console.aliyun.com/

---

2)在左侧导航栏单击Cluster列表 ，单击创建Cluster。

---

3)选择Cluster实例类型 、实例规格 、副本数 ，填写Cluster名称 ，单击立即购买 。

---

参数说明

参数	描述
商品类型	向量检索服务的收费类型。当前仅支持按量付费 。详见产品计费。
地域	向量检索服务所在地域。当前仅支持**华东1（杭州）**地域。
实例类型	向量检索服务DashVector当前支持三种 实例类型，以支持不同的业务场景和需求： 性能型 ：提供更高的QPS和更低的查询延迟，适用于高并发、大流量、延迟敏感或对写入和查询效率有较高要求的场景。 存储型 ：相对于性能型有5倍的存储容量优势，能够存储和管理更多的向量数据，适用于数据规模大、数据增长快、QPS相对较低的场景。 免费试用 ：适用于测试、体验场景，请勿用于线上生产环境 。免费试用实例有效期为1个月，到期后可再次申请试用。免费实例有部分试用限制，详情可参考约束与限制。 说明 付费Cluster，最多可创建32个Collection。免费试用Cluster，最多可创建2个Collection。 重要 每个账户同一时间段仅能创建一个免费试用Cluster。免费试用Cluster到期或主动释放后可以再次创建一个免费试用Cluster。 免费试用Cluster，创建后30个自然日到期会自动释放，删除所有数据。如有重要业务数据，请及时转移到付费Cluster或者将免费试用Cluster升配为付费Cluster。
实例规格	免费试用Cluster：采用Serverless架构，适用于快速体验产品。免费试用实例使用限制请参考约束与限制。 存储型和性能型Cluster分别提供6种可选规格，不同规格的主要区别在于存储容量的不同。实例规格详情，请参见实例规格。
副本数	向量检索服务DashVector支持调整副本数，可选范围为1-5。副本之间数据完全相同，副本数越大，可支持的QPS越高，呈线性关系。同时副本数越大，服务可用性越高，建议对可用性有较高要求的生产环境选择>=2的副本数 。 说明 需要注意，副本数的增加和减少不会影响存储容量，仅影响QPS和可用性。
实例名称	必须由大小写字母、数字、下划线(_)、中划线(-)组成，长度[3, 32]。同一账户中不允许两个相同的Cluster名称同时存在。

---

4)确认实例信息，勾选服务协议 ，然后单击立即开通 。

---

5)单击管理控制台 跳转至控制台概览页，Cluster创建成功后，即可正常使用向量检索服务。

---

2、获得API-KEY

API-KEY管理：https://help.aliyun.com/document_detail/2510230.html

dashscope API-Key ： https://dashscope.console.aliyun.com/apiKey

---

3、安装最新版SDK

安装DashVector SDK：https://help.aliyun.com/document_detail/2510231.html

DashVector向量检索服务提供下列编程语言的SDK供开发者选择。

• Python SDK
• Java SDK
• HTTP API https://help.aliyun.com/document_detail/2510275.html
• 更多编程语言的DashVector SDK将在稍后陆续提供。

---

python 安装

pip3 install dashvector

---

升级：

pip3 install dashvector --upgrade

---

三、快速使用 DashVector

转载自：https://help.aliyun.com/document_detail/2510223.html

---

1. 创建Client

使用HTTP API时可跳过本步骤。

import dashvector

client = dashvector.Client(
    api_key='YOUR_API_KEY',
    endpoint='YOUR_CLUSTER_ENDPOINT'
)
assert client

---

2. 创建Collection

创建一个名称为quickstart，向量维度为4的collection。

client.create(name='quickstart', dimension=4)

collection = client.get('quickstart')
assert collection

---

说明

1. 在未指定距离度量参数时，将使用默认的Cosine距离度量方式。
2. 在未指定向量数据类型时，将使用默认的Float数据类型。

---

3、插入Doc

from dashvector import Doc

# 通过dashvector.Doc对象，插入单条数据
collection.insert(Doc(id='1', vector=[0.1, 0.2, 0.3, 0.4]))

# 通过dashvector.Doc对象，批量插入2条数据
collection.insert(
    [
        Doc(id='2', vector=[0.2, 0.3, 0.4, 0.5], fields={'age': 20, 'name': 'zhangsan'}),
        Doc(id='3', vector=[0.3, 0.4, 0.5, 0.6], fields={'anykey': 'anyvalue'})    
    ]
)

---

4、相似性检索

rets = collection.query([0.1, 0.2, 0.3, 0.4], topk=2)

print(rets)

---

5、删除Doc

# 删除1条数据
collection.delete(ids=['1'])

---

6. 查看Collection统计信息

stats = collection.stats()

print(stats)

---

7. 删除Collection

client.delete('quickstart')

---

四、关于 Proxima

• proxima github : https://github.com/alibaba/proxima
• proxima 文档：https://proximabilin.github.io/docs/
  • 使用样例 : https://proximabilin.github.io/docs/gettingstarted/example_usage/
  • 安装指南 : https://proximabilin.github.io/docs/gettingstarted/installation/

---

Proxima 是阿里巴巴达摩院系统 AI 实验室自研的向量检索内核。

目前，其核心能力广泛应用于阿里巴巴和蚂蚁集团内众多业务，如淘宝搜索和推荐、蚂蚁人脸支付、优酷视频搜索、阿里妈妈广告检索等。

同时，Proxima 还深度集成在各式各类的大数据和数据库产品中，如阿里云 Hologres、搜索引擎 Elastic Search 和 ZSearch、离线引擎 MaxCompute (ODPS) 等，为其提供向量检索的能力。

Proxima BE，全称 Proxima Bilin Engine，是 Proxima 团队开发的服务化引擎，实现了对大数据的高性能相似性搜索。

支持 RESTful HTTP 接口访问，同时也支持多种语言的 SDK 以 GRPC 协议访问。

---

核心能力

Proxima BE 的主要核心能力有以下几点:

• 支持单机超大规模索引：基于底层向量索引的工程和检索算法优化，使得有限成本下，实现了高效率的检索方法，并支持磁盘索引，单片索引可达几十亿的规模。
• 支持多数据源全量和增量同步：通过 Mysql Repository 等组件，可将 mysql 等数据源中的数据，实时同步至索引服务，提供查询能力，简化数据处理流程。
• 支持向量索引实时增删改查：基于全新 CRUD 图索引，支持在线大规模向量索引的从 0 到 1 的流式写入，并实现了索引即时增删改查，避免索引需定期重建。
• 支持正排数据查询：支持在查询时，可展示文档的所有结构化字段。同时后期将基于此功能，进一步扩展出与文本与向量联合检索等功能。

---

---

五、构建 Proxima

环境要求：

• Linux or MacOS
• gcc >= 4.9
• cmake >= 3.14

git clone https://github.com/alibaba/proximabilin.git
cd proximabilin && git submodule update --init

mkdir build && cd build

# Build with Debug (Intel Haswell Microarchitecture)
#cmake -DCMAKE_BUILD_TYPE=Debug -DENABLE_HASWELL=ON ..

# Build with Release (Intel Haswell Microarchitecture)
cmake -DCMAKE_BUILD_TYPE=Release -DENABLE_HASWELL=ON ..

make -j all

---

获取 Docker 镜像

平台	仓库	版本
Linux X86_64	ghcr.io/proximabilin/proxima-be	0.2.0

---

六、向量检索基本概念

转载自：https://help.aliyun.com/document_detail/2511804.html

---

Client**（客户端）

Client（客户端），是用户用于连接DashVector服务端的基础对象，相当于关系型数据库中的Connection。通过设置API_KEY即可完成Client对象的创建，即完成与DashVector服务端的连接。通过Client对象可进行Collection操作（如新建Collection、获取Collection列表等）。

---

Cluster（实例）

Cluster（实例），是面向售卖的资源管理单位，相当于关系型数据库中的一个库，我们提供了不同的实例产品规格以满足用户不同的业务需求。用户可以通过控制台进行Cluster管理操作（如创建Cluster、升配Cluster、释放Cluster）等，在创建好的Cluster里，用户可以进行后续的Collection、Partition 等操作。

说明

• 同一个账户支持创建多个Cluster，账户内单个Cluster名称唯一。
• 每个账户同一时间段仅能创建一个免费试用Cluster，免费试用Cluster到期或主动释放后可以再次创建一个免费试用Cluster。

---

Collection（集合）

Collection（集合），是一个相同类型Doc组成的集合，相当于关系型数据库中的一张表。每个Collection必须使用唯一的名称来标识，通过名称可唯一获取Collection对象。Collection对象可进行各种Doc操作（如插入Doc、检索Doc等）和Partition操作（如新建Partition等）。

说明

• Collection名称在Cluster内必须唯一，不允许两个相同名称的Collection同时存在。
• 付费Cluster最多支持创建32个支持Collection；免费Cluster最多支持创建2个Collection。

---

Partition**（分区）

Partition（分区），是指同一个Collection下的Doc可通过不同的Partition进行分区。各种Doc操作（如插入Doc、检索Doc等）如若指定Partition，则该操作将限定在该指定的Paritition内进行。通过合理的Partition设置，可有效提升Doc操作的效率。

---

Doc**（文档）

Doc（文档），是DashVector最基础的数据单元，相当于关系型数据库中的一行数据。Doc包含以下属性：id（主键）、vector（向量）、fields（key-value结构的字段名和字段值）。Doc是插入Doc、更新Doc、插入或更新Doc操作的基础输入结构，同时也是检索Doc和获取Doc操作的输出结构。

---

Field（字段）

Field（字段），是组成Doc的基础单位之一，每个Doc可具备多个Field，相当于关系型数据库中的列。

---

Vector（向量）

Vector（向量），Embedding Vector，非结构化数据通过各种AI Embedding模型进行特征的提取，获取到的多维数据。DashVector中，Vector作为Doc的基础数据单位之一，用于描述各种非结构化数据的特征。例如，[0.1, 0.2, 0.3, 0.4]就是一个维度（dimension）为4的向量。

---

Sparse Vector（稀疏向量）

Sparse Vector（稀疏向量），稀疏向量是指大部分元素为0，仅少量元素非0的向量。在DashVector中，稀疏向量可用来表示词频等信息。例如，{1:0.4, 10000:0.6, 222222:0.8}就是一个稀疏向量，其第1、10000、222222位元素（分别代表三个关键字）有非0值（代表关键字的权重），其他元素全部为0。

---

QPS**（访问频次）

每秒能向DashVector服务的API发起的最大查询请求次数。QPS越高，同一时段内能够处理的业务量越多。例如QPS为5时，则在1秒内可以进行5次调用请求。

---

API-KEY

API-KEY是您访问向量检索服务（DashVector）的密 钥。DashVector通过API-KEY进行调用鉴权和计量计费，目前仅支持通过阿里云主账号进行API-KEY管理，每个账户同时可拥有3个有效的API-KEY。

请妥善保存和使用API-KEY，如需进一步了解API-KEY有关的安全信息，请参考保护并正确使用API-KEY。

---

伊织 2024-03-22（五）