Skip to main content

MyScale

本页面介绍如何在LangChain中使用MyScale向量数据库。 内容分为两个部分：安装和设置，以及对特定MyScale包装器的参考。

使用MyScale，您可以管理结构化和非结构化（向量化）数据，并使用SQL对这两种类型的数据执行联合查询和分析。此外，MyScale基于ClickHouse构建的云原生OLAP架构，即使在大规模数据集上也能实现闪电般的数据处理速度。

介绍​

MyScale概述和高性能向量搜索

您现在可以在我们的SaaS上注册并立即启动集群！

如果您还对我们如何将SQL与向量集成感兴趣，请参考此文档以获取进一步的语法参考。

我们还在huggingface上提供实时演示！请查看我们的huggingface空间！他们在眨眼之间搜索数百万个向量！

安装和设置​

  • 使用 pip install clickhouse-connect 安装 Python SDK

设置环境​

有两种方法可以为 myscale 索引设置参数。

  1. 环境变量

在运行应用程序之前，请使用 export 设置环境变量： export MYSCALE_HOST='' MYSCALE_PORT= MYSCALE_USERNAME= MYSCALE_PASSWORD= ...

您可以在我们的 SaaS 上轻松找到您的账户、密码和其他信息。有关详细信息，请参阅 此文档 MyScaleSettings 下的每个属性都可以使用前缀 MYSCALE_ 设置，并且不区分大小写。

  1. 创建带有参数的 MyScaleSettings 对象

    from langchain_community.vectorstores import MyScale, MyScaleSettings
    config = MyScaleSettings(host="<your-backend-url>", port=8443, ...)
    index = MyScale(embedding_function, config)
    index.add_documents(...)

包装器​

支持的函数：

  • add_texts
  • add_documents
  • from_texts
  • from_documents
  • similarity_search
  • asimilarity_search
  • similarity_search_by_vector
  • asimilarity_search_by_vector
  • 相似性搜索与相关性评分
  • 删除

向量存储​

存在一个 MyScale 数据库的封装器，允许您将其用作向量存储， 无论是用于语义搜索还是类似示例检索。

要导入此向量存储：

from langchain_community.vectorstores import MyScale

有关 MyScale 封装器的更详细说明，请参见 此笔记本

Was this page helpful?


You can also leave detailed feedback on GitHub.

扫我，入群扫我，找书