探索 Google BigQuery Vector Search：大规模语义搜索和嵌入式管理

引言

在数据驱动的世界中，快速和高效的搜索能力是必不可少的。在这篇文章中，我们将探讨如何在 Google Cloud 中使用 BigQuery Vector Search 进行大规模语义搜索，以及如何通过 BigQueryVectorStore 类在 LangChain 中管理嵌入。此外，我们还将了解如何使用 API 代理服务以提高访问的稳定性。

主要内容

1. 初始化和设置

首先，为了在 Google Cloud 中进行操作，我们需要安装一些必要的库。

bash 复制代码

%pip install --upgrade --quiet langchain langchain-google-vertexai "langchain-google-community[featurestore]"

安装库后，建议重启 Jupyter 运行时以应用更改。

python 复制代码

import IPython

app = IPython.Application.instance()
app.kernel.do_shutdown(True)  # 重启当前内核

接下来，需要设置项目 ID 和区域信息：

python 复制代码

PROJECT_ID = "your_project_id"  # @param {type:"string"}
REGION = "us-central1"  # @param {type: "string"}
! gcloud config set project {PROJECT_ID}

2. 创建嵌入和向量存储

接着，我们将创建一个嵌入类实例，并初始化 BigQueryVectorStore。

python 复制代码

from langchain_google_vertexai import VertexAIEmbeddings
from langchain_google_community import BigQueryVectorStore

embedding = VertexAIEmbeddings(
    model_name="textembedding-gecko@latest", 
    project=PROJECT_ID
)

store = BigQueryVectorStore(
    project_id=PROJECT_ID,
    dataset_name="my_langchain_dataset",
    table_name="doc_and_vectors",
    location=REGION,
    embedding=embedding,
)

3. 管理和搜索文本

我们可以添加文本数据，并使用语义搜索找到相似的文档：

python 复制代码

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)

query = "I'd like a fruit."
docs = store.similarity_search(query)
print(docs)

还可以通过向量搜索文档：

python 复制代码

query_vector = embedding.embed_query(query)
docs = store.similarity_search_by_vector(query_vector, k=2)
print(docs)

4. 高级功能和低延迟服务

使用 Feature Store Online Store 可以进一步降低延迟，适合生产环境。

python 复制代码

store.to_vertex_fs_vector_store()  # 将数据转移到 VertexFS

常见问题和解决方案

问题1：访问限制和网络延迟

在某些地区，可能会遇到访问 Google API 的限制，这时可以考虑使用 API 代理服务。API 代理服务可以提高请求的稳定性和响应速度。

问题2：数据同步和管理

在处理大规模数据时，数据同步和管理是一个挑战。可以通过脚本自动化这个过程，或者使用 Google Cloud 提供的自动化工具。

总结和进一步学习资源

本文探讨了如何在 Google Cloud 中使用 BigQuery Vector Search 进行高效的语义搜索，并重点介绍了如何在 LangChain 中管理和查询嵌入数据。如需进一步学习，请参考本文末尾的参考资料。

参考资料

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---