دليل استخدام pgvector

pgvector هو وحدة توسعة تابعة لجهة خارجية لـ PostgreSQL، توفر نوع بيانات المتجه وكذلك طرق الوصول IVFFlat وHNSW. إنه مناسب للسيناريوهات التي تتطلب معالجة فعالة لبيانات المتجه، مثل التعلم الآلي، معالجة الصور، ومعالجة اللغات الطبيعية وما إلى ذلك. ستقدم هذه المقالة شرحاً مفصلاً حول كيفية تثبيت واستخدام pgvector في ServBay.

تثبيت pgvector

يأتي ServBay مع وحدة التوسعة pgvector; كل ما عليك فعله هو تفعيلها في قاعدة البيانات. فيما يلي خطوات تفعيل pgvector:

1. الاتصال بقاعدة بيانات PostgreSQL:

   psql -U your_username -d your_database

2. إنشاء التوسعة:

   CREATE EXTENSION vector;

3. التحقق من التثبيت:

   \dx

إعداد pgvector

بعد تفعيل pgvector، يمكنك إنشاء وإدارة بيانات المتجهات واستخدام طرق الوصول المختلفة لأداء العمليات.

إنشاء جدول بيانات المتجه

فيما يلي مثال يوضح كيفية إنشاء جدول يتضمن بيانات المتجه.

1. إنشاء الجدول:

   CREATE TABLE embeddings (
       id SERIAL PRIMARY KEY,
       vector VECTOR(3)
   );

2. إدراج بيانات العينة:

   INSERT INTO embeddings (vector) VALUES
   ('[0.1, 0.2, 0.3]'),
   ('[0.4, 0.5, 0.6]'),
   ('[0.7, 0.8, 0.9]');

إنشاء فهرس المتجه

لتحسين أداء الاستعلام، يُنصح بإنشاء فهرس للعمود المتجه.

1. إنشاء فهرس IVFFlat:

   CREATE INDEX idx_ivfflat_vector ON embeddings USING ivfflat (vector) WITH (lists = 100);

2. إنشاء فهرس HNSW:

   CREATE INDEX idx_hnsw_vector ON embeddings USING hnsw (vector) WITH (m = 16, ef_construction = 200);

استخدام pgvector للاستعلام عن المتجهات

فيما يلي بعض الأمثلة الشائعة للاستعلام عن المتجهات.

استعلام الأقرب من الجيران

1. استعلام عن أقرب متجه:

   SELECT id, vector FROM embeddings
   ORDER BY vector <-> '[0.2, 0.3, 0.4]'
   LIMIT 5;

استعلام تطابق المتجهات

1. استعلام عن تطابق المتجهات:

   SELECT id, vector, (vector <-> '[0.2, 0.3, 0.4]') AS similarity FROM embeddings
   ORDER BY similarity
   LIMIT 5;

تصور بيانات المتجه

يمكنك استخدام أدوات مختلفة لتصور البيانات (مثل Matplotlib) لتصور بيانات المتجه في pgvector.

استخدام Matplotlib

1. تثبيت Matplotlib:

   pip install matplotlib

2. إنشاء سكريبت Python:

   import psycopg2
   import matplotlib.pyplot as plt
   
   # Connect to PostgreSQL database
   conn = psycopg2.connect(
       dbname="your_database",
       user="your_username",
       password="your_password",
       host="localhost"
   )
   cur = conn.cursor()
   
   # Query vector data
   cur.execute("SELECT vector FROM embeddings")
   vectors = cur.fetchall()
   
   # Extract vector coordinates
   x = [v[0][0] for v in vectors]
   y = [v[0][1] for v in vectors]
   z = [v[0][2] for v in vectors]
   
   # Create 3D scatter plot
   fig = plt.figure()
   ax = fig.add_subplot(111, projection='3d')
   ax.scatter(x, y, z)
   
   ax.set_xlabel('X Label')
   ax.set_ylabel('Y Label')
   ax.set_zlabel('Z Label')
   
   plt.show()
   
   # Close database connection
   cur.close()
   conn.close()

الخلاصة

pgvector هو وحدة توسعة فعالة للمتجهات، من خلال تكوين واستخدام بسيط يمكنك تحقيق تخزين واستعلام فعال لبيانات المتجهات في PostgreSQL. يأتي ServBay مع وحدة التوسعة pgvector؛ ما عليك سوى اتباع الخطوات المذكورة في هذه المقالة للتثبيت والتكوين، ومن ثم البدء في الاستخدام. من خلال أداء مختلف استعلامات وتحاليل المتجهات، يمكنك الاستفادة القصوى من بيانات المتجه وتقديم دعم قاعدة بيانات موثوق لتطبيقاتك.