Guida all'uso di pgvector

pgvector è un modulo esterno per PostgreSQL che fornisce un tipo di dato vettoriale e metodi di accesso IVFFlat e HNSW. È utile per scenari che richiedono un'elaborazione efficiente dei dati vettoriali, come machine learning, elaborazione di immagini e elaborazione del linguaggio naturale. Questo documento illustrerà come installare e utilizzare pgvector su ServBay.

Installazione di pgvector

ServBay include già il modulo di estensione pgvector, è sufficiente abilitarlo nel database. Ecco i passaggi per abilitare pgvector:

1. Connettersi al database PostgreSQL:

   psql -U il_tuo_username -d il_tuo_database

2. Creare l'estensione:

   CREATE EXTENSION vector;

3. Verificare l'installazione:

   \dx

Configurazione di pgvector

Una volta abilitato pgvector, è possibile creare e gestire dati vettoriali ed utilizzare vari metodi di accesso per le operazioni.

Creare una tabella di dati vettoriali

Ecco un esempio di come creare una tabella contenente dati vettoriali.

1. Creare la tabella:

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

2. Inserire dati di esempio:

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

Creare un indice vettoriale

Per migliorare le performance delle query, è consigliabile creare un indice per la colonna vettoriale.

1. Creare un indice IVFFlat:

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

2. Creare un indice HNSW:

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

Utilizzo di pgvector per le query vettoriali

Ecco alcuni esempi di query vettoriali comuni.

Query del vicino più prossimo

1. Query per il vettore più vicino:

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

Query di similarità vettoriale

1. Query per similarità vettoriale:

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

Visualizzare i dati vettoriali

È possibile utilizzare vari strumenti di visualizzazione dei dati (come Matplotlib) per visualizzare i dati vettoriali in pgvector.

Utilizzo di Matplotlib

1. Installare Matplotlib:

   pip install matplotlib

2. Creare uno script Python:

   import psycopg2
   import matplotlib.pyplot as plt
   
   # Connessione al database PostgreSQL
   conn = psycopg2.connect(
       dbname="il_tuo_database",
       user="il_tuo_username",
       password="la_tua_password",
       host="localhost"
   )
   cur = conn.cursor()
   
   # Eseguire query sui dati vettoriali
   cur.execute("SELECT vector FROM embeddings")
   vettori = cur.fetchall()
   
   # Estrarre le coordinate dei vettori
   x = [v[0][0] for v in vettori]
   y = [v[0][1] for v in vettori]
   z = [v[0][2] for v in vettori]
   
   # Creare un grafico a dispersione 3D
   fig = plt.figure()
   ax = fig.add_subplot(111, projection='3d')
   ax.scatter(x, y, z)
   
   ax.set_xlabel('Etichetta X')
   ax.set_ylabel('Etichetta Y')
   ax.set_zlabel('Etichetta Z')
   
   plt.show()
   
   # Chiudere la connessione al database
   cur.close()
   conn.close()

Conclusione

pgvector è un modulo di estensione vettoriale potente che, attraverso una semplice configurazione e utilizzo, consente di implementare un'efficiente memorizzazione e interrogazione di dati vettoriali in PostgreSQL. ServBay include già il modulo di estensione pgvector, è sufficiente seguire i passaggi descritti in questo documento per installarlo e configurarlo. Grazie alle varie funzionalità di query e analisi vettoriali, è possibile sfruttare al meglio i dati vettoriali e fornire supporto affidabile al database per le applicazioni.