pgvector Kullanım Kılavuzu

pgvector, PostgreSQL için üçüncü taraf bir eklenti modülüdür ve vektör veri türü ile IVFFlat ve HNSW erişim yöntemlerini sağlar. Makine öğrenimi, görüntü işleme ve doğal dil işleme gibi vektör verilerini verimli bir şekilde işleme gerektiren senaryolar için uygundur. Bu makalede, pgvector'ı ServBay'de nasıl kuracağınız ve kullanacağınız ayrıntılı olarak açıklanacaktır.

pgvector Kurulumu

ServBay, pgvector uzantı modülünü zaten içermektedir, sadece veritabanında etkinleştirmeniz yeterlidir. İşte pgvector'ı etkinleştirme adımları:

1. PostgreSQL veritabanına bağlanın:

   psql -U your_username -d your_database

2. Uzantıyı oluşturun:

   CREATE EXTENSION vector;

3. Kurulumu doğrulayın:

   \dx

pgvector Yapılandırması

pgvectorı etkinleştirdikten sonra, vektör verileri oluşturabilir ve yönetebilir, çeşitli erişim yöntemleri kullanarak işlemler yapabilirsiniz.

Vektör Veritabanı Tablosu Oluşturma

Aşağıda, vektör verilerini içeren bir tablo nasıl oluşturulacağına dair bir örnek yer almaktadır.

1. Tablo oluşturun:

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

2. Örnek veri ekleyin:

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

Vektör İndeksi Oluşturma

Sorgu performansını artırmak için vektör sütununa indeks oluşturmanız önerilir.

1. IVFFlat İndeksi oluşturun:

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

2. HNSW İndeksi oluşturun:

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

pgvector Kullanarak Vektör Sorguları

Aşağıda bazı yaygın vektör sorgularına örnekler yer almaktadır.

En Yakın Komşu Sorgusu

1. En yakın vektörü sorgulayın:

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

Vektör Benzerlik Sorgusu

1. Vektör benzerliğini sorgulayın:

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

Vektör Verilerini Görselleştirme

pgvector içindeki vektör verilerini görselleştirmek için çeşitli veri görselleştirme araçlarını (örneğin Matplotlib) kullanabilirsiniz.

Matplotlib Kullanarak

1. Matplotlib'i yükleyin:

   pip install matplotlib

2. Python betiği oluşturun:

   import psycopg2
   import matplotlib.pyplot as plt
   
   # PostgreSQL veritabanına bağlanın
   conn = psycopg2.connect(
       dbname="your_database",
       user="your_username",
       password="your_password",
       host="localhost"
   )
   cur = conn.cursor()
   
   # Vektör verilerini sorgula
   cur.execute("SELECT vector FROM embeddings")
   vectors = cur.fetchall()
   
   # Vektör koordinatlarını çıkar
   x = [v[0][0] for v in vectors]
   y = [v[0][1] for v in vectors]
   z = [v[0][2] for v in vectors]
   
   # 3D dağılım grafiği oluştur
   fig = plt.figure()
   ax = fig.add_subplot(111, projection='3d')
   ax.scatter(x, y, z)
   
   ax.set_xlabel('X Etiketi')
   ax.set_ylabel('Y Etiketi')
   ax.set_zlabel('Z Etiketi')
   
   plt.show()
   
   # Veritabanı bağlantısını kapat
   cur.close()
   conn.close()

Özet

pgvector, basit yapılandırma ve kullanım ile PostgreSQL'de verimli vektör veri depolama ve sorgulama gerçekleştirmenizi sağlayan güçlü bir vektör uzantı modülüdür. ServBay, pgvector uzantı modülünü zaten içerir, sadece bu makaledeki adımları takip ederek kurulumu ve yapılandırmayı gerçekleştirebilirsiniz. Çeşitli vektör sorgulama ve analiz özellikleri sayesinde, vektör verilerini daha iyi kullanabilir ve uygulamanız için güvenilir bir veritabanı desteği sağlayabilirsiniz.