如何快速使用向量检索服务DashVector?

免费体验阿里云高性能向量检索服务:https://www.aliyun.com/product/ai/dashvector


本文将介绍如何快速上手使用向量检索服务DashVector。

前提条件

说明

  1. 需要使用您的api-key替换示例中的YOUR_API_KEY、您的Cluster Endpoint替换示例中的YOUR_CLUSTER_ENDPOINT,代码才能正常运行。

  2. Cluster Endpoint,可在控制台"Cluster详情"中查看。

Step1. 创建Client

使用HTTP API时可跳过本步骤。

Python示例:

复制代码
import dashvector

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

Step2. 创建Collection

创建一个名称为quickstart,向量维度为4的collection。

Python示例:

复制代码
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。

Step3. 插入Doc

Python示例:

复制代码
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'})    
    ]
)

Step4. 相似性检索

Python示例:

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

print(rets)

Step5. 删除Doc

Python示例:

复制代码
# 删除1条数据
collection.delete(ids=['1'])

Step6. 查看Collection统计信息

Python示例:

复制代码
stats = collection.stats()

print(stats)

Step7. 删除Collection

Python示例:

复制代码
client.delete('quickstart')

免费体验阿里云高性能向量检索服务:https://www.aliyun.com/product/ai/dashvector

相关推荐
五彩小白1 小时前
Redis的过期删除和内存淘汰机制
数据库·redis·缓存
承渊政道1 小时前
【Python编程快速上手—让繁琐工作自动化】(列表:把数据排成队,从下标取值到深拷贝)
开发语言·python·pycharm·自动化·列表
GoldenSpider.AI1 小时前
讲透 Claude Code 的 Code Mode:原理、流程、用法与 24 轮实测
人工智能·ai编程·claude code
学长毕设1 小时前
基于SpringBoot 博物馆文物租赁及修复管理系统-附源码
大数据·数据库·spring boot
oak隔壁找我1 小时前
一款运行在 DSH(DeepSeek Harness)中的工作区文件管理插件
人工智能
大胖爱学习_MJ1 小时前
Agent 如何安全地拿数据库密码?基于 HashiCorp Vault 的动态凭证下发
经验分享·python
江屿风1 小时前
AI Agent架构全解析:从规划到记忆的智能跃迁
人工智能·笔记·架构·agent·c/s·mcp工作流
ZONGYUAN-ROOT1 小时前
【API配额】多源 LLM API 配额池化实战:轮换调度、变化量监控、故障自愈一套方案(Python 完整实现)
人工智能
apcipot_rain1 小时前
C++转Java日记(14)
数据库