PostgreSQL向量检索：pgvector入门指南

- [一. 什么是 pgvector？](#一. 什么是 pgvector？)
- [二. 为什么选择 PostgreSQL + pgvector？](#二. 为什么选择 PostgreSQL + pgvector？)
- [三. 安装与启用](#三. 安装与启用)
- [四. 基本数据结构](#四. 基本数据结构)
- [五. 基本操作](#五. 基本操作)
- - [5.1 插入向量](#5.1 插入向量)
  - [5.2 查询向量最近邻](#5.2 查询向量最近邻)
  - [5.3 常用距离运算符](#5.3 常用距离运算符)
  - [5.4 其他操作](#5.4 其他操作)
- [六. Python 示例](#六. Python 示例)
- [七. 小结](#七. 小结)

前言

这是我在这个网站整理的笔记,有错误的地方请指出，关注我，接下来还会持续更新。

作者：神的孩子都在歌唱

一. 什么是 pgvector？

pgvector 是 PostgreSQL 的开源扩展，用于在数据库中存储和处理向量数据，特别是高维嵌入向量（embedding）。

功能与特点

向量存储：可将向量数据直接存入表中。
距离计算：支持 L2（欧氏距离）、Inner Product（内积）、Cosine（余弦相似度）等。
最近邻搜索：支持精确搜索和近似搜索（IVFFlat / HNSW）。
兼容 SQL：可以直接与表中的其他列一起做查询、过滤和排序。
可扩展性：适合中小规模向量存储，也能应对大数据量场景。

二. 为什么选择 PostgreSQL + pgvector？

数据整合：向量与原始数据存放在同一数据库，无需单独部署向量数据库。
事务和安全：继承 PostgreSQL 的事务、权限控制、备份与复制机制。
易于扩展：可以直接使用 SQL 做 JOIN、过滤条件，实现混合检索。
降低维护成本：只需要维护一个数据库系统，减少运维复杂度。
可视化和监控：可以使用 PostgreSQL 现有工具进行监控和分析。

三. 安装与启用

确保 PostgreSQL 支持扩展（通常 PostgreSQL 13+）
安装 pgvector

启用扩展：

sql 复制代码

CREATE EXTENSION IF NOT EXISTS vector;

验证安装：

sql 复制代码

SELECT * FROM pg_extension WHERE extname='vector';

成功后即可在表中创建向量列。

四. 基本数据结构

向量列类型：vector 或 vector(n)，其中 n 是向量维度。
示例表结构：

sql 复制代码

CREATE TABLE documents (
    id BIGSERIAL PRIMARY KEY,
    embedding VECTOR(3) -- 假设嵌入向量是 3 维
);

小贴士：向量列的维度必须固定，查询和索引时保持一致。

五. 基本操作

5.1 插入向量

sql 复制代码

INSERT INTO documents (embedding) VALUES ('[1,2,3]'), ('[4,5,6]'),('[4,0,5]');

5.2 查询向量最近邻

sql 复制代码

-- 使用 L2 距离
SELECT id,embedding <-> '[1,2,3]' as score,embedding FROM documents ORDER BY embedding <-> '[1,2,3]' LIMIT 5;

根据score的得分，就能查询出相近的向量，值越小代表越相似 ，算法如下
公式

d ( q , v ) = ∑ i = 1 n ( q i − v i ) 2 d(q, v) = \sqrt{\sum_{i=1}^{n} (q_i - v_i)^2} d(q,v)=i=1∑n(qi−vi)2

计算例子

假设查询向量 (q = [1,2,3])，表中某行向量 (v = [4,0,5])：
d ( q , v ) = ( 1 − 4 ) 2 + ( 2 − 0 ) 2 + ( 3 − 5 ) 2 = 9 + 4 + 4 = 17 ≈ 4.123 d(q, v) = \sqrt{(1-4)^2 + (2-0)^2 + (3-5)^2} = \sqrt{9 + 4 + 4} = \sqrt{17} \approx 4.123 d(q,v)=(1−4)2+(2−0)2+(3−5)2 =9+4+4 =17 ≈4.123

5.3 常用距离运算符

操作符	相似度度量	说明	推荐场景	值越小代表
`<->`	欧氏距离 (L2 Distance)	计算两个向量之间的几何距离	图像、音频、地理数据检索	越相似
`<#>`	负内积 (- Inner Product)	取负号后的内积，用于最大内积搜索	推荐系统、模型打分	越相似
`<=>`	余弦距离 (Cosine Distance)	1 - 余弦相似度，对向量长度不敏感	文本语义检索、跨语言向量匹配	越相似

后面会出一篇关于这些运算符计算使用的文章

5.4 其他操作

sql 复制代码

# 向现有表中添加向量列
ALTER TABLE items ADD COLUMN embedding vector(3);
# 更新向量
UPDATE items SET embedding = '[1,2,3]' WHERE id = 1;
# 删除向量
UPDATE items SET embedding = '[1,2,3]' WHERE id = 1;

六. Python 示例

使用 pgvector-python 或 psycopg2 处理向量：

python 复制代码

import numpy as np
import psycopg2
from pgvector.psycopg2 import register_vector

# 连接数据库
conn = psycopg2.connect(host='192.168.1.101', dbname='test-agent', user='postgres', password='123456', port=5433)
register_vector(conn)  # 注册 vector 类型
cur = conn.cursor()

# 插入示例向量
embedding = np.random.rand(3).astype('float32')
print(embedding)
cur.execute(
    "INSERT INTO documents (embedding) VALUES (%s)",
    (embedding,)  # 注意这里的逗号，确保是元组格式
)
conn.commit()

# 查询最近邻
query_embedding = np.random.rand(3).astype('float32')
print(query_embedding)
cur.execute(
    "SELECT id, embedding,embedding <-> %s as score  FROM documents ORDER BY embedding <-> %s LIMIT 5",
    (query_embedding, query_embedding,)
)
rows = cur.fetchall()
for r in rows:
    print(r)

cur.close()
conn.close()

七. 小结

pgvector 是 PostgreSQL 的向量扩展，支持高维嵌入向量存储与检索。
提供精确与近似最近邻查询，并可与 SQL 完美结合。
基础操作包括创建表、插入向量、查询最近邻以及选择合适的距离运算符。

作者：神的孩子都在歌唱

本人博客：https://blog.csdn.net/weixin_46654114

转载说明：务必注明来源，附带本人博客连接。