lakebase_vector

Tillägget lakebase_vector lägger till ungefärlig vektorsökning med närmaste granne (ANN) till Lakebase via lakebase_ann indextypen. Det är en drop-in-koppling till pgvector: samma vektortyper, avståndsoperatorer och frågesyntax fungerar utan ändringar.

Install

Aktivera Först Lakebase Search i dina projektinställningar. Installera sedan tillägget:

CREATE EXTENSION IF NOT EXISTS lakebase_vector CASCADE;

Nyckelordet CASCADE installeras pgvector automatiskt som ett beroende.

Snabbstart

-- Create a table with a vector column
CREATE TABLE items (id BIGSERIAL PRIMARY KEY, embedding VECTOR(3));

-- Insert sample data
INSERT INTO items (embedding)
SELECT ARRAY[random(), random(), random()]::real[]
FROM generate_series(1, 1000);

-- Create a lakebase_ann index
CREATE INDEX ON items USING lakebase_ann (embedding vector_l2_ops);

-- Query using standard pgvector distance operators
SELECT * FROM items ORDER BY embedding <-> '[3,1,2]' LIMIT 5;

Befolka från synkade tabeller

Om du laddar in embeddings från Unity Catalog istället för att infoga dem direkt, kan synkade tabeller mappa en lakehouse-embeddingkolumn direkt till en Postgres-kolumn vector under synkroniseringen, istället för standardmappningen JSONB . Se Anpassad typmappning för Lakebase Search.

Konfigurera indexet

Ange build_mode vid skapande av index för att kontrollera noggrannhet/hastighetsavvägning:

• standard (standard): optimerar för återkallande. Används för de flesta arbetsbelastningar.
• fast: bygger snabbare vid lägre återkallning. Använd när byggtiden är viktigare än sökkvaliteten.

CREATE INDEX ON items USING lakebase_ann (embedding vector_l2_ops) WITH (build_mode = 'fast');

Skapa index samtidigt

Använd CREATE INDEX CONCURRENTLY för att skapa utan att låsa tabellen och sedan REINDEX CONCURRENTLY återskapa utan stilleståndstid:

CREATE INDEX CONCURRENTLY items_embedding_ann ON items
  USING lakebase_ann (embedding vector_l2_ops);

REINDEX INDEX CONCURRENTLY items_embedding_ann;

Justera söknoggrannhet

Innan du justerar anropar du lakebase_ann_index_info(index_name) för att hämta indexets lists, default_probesoch default_epsilon -värden.

Ställ in lakebase_ann.probes vid frågetillfället för att kontrollera noggrannheten/hastighetsavvägningen. Högre värden förbättrar återkallandet men långsamma frågor.

Innan du anger lakebase_ann.probesanropar du lakebase_ann_index_info för att hitta matrisen lists . Ange ett avsökningsvärde per listpost:

-- Check your index's lists length first
SELECT lakebase_ann_index_info('items_embedding_ann');

-- Set probes matching the lists array (example: one partition)
SET lakebase_ann.probes TO '22';
SELECT * FROM items ORDER BY embedding <-> '[3,1,2]' LIMIT 10;

lakebase_ann.epsilon styr omrankningsmarginalen. Standardvärdet 1.9 för fungerar bra för de flesta arbetsbelastningar.

SET lakebase_ann.epsilon TO '1.5';

Operatorklasser

Välj den operatorklass som matchar hur dina inbäddningar tränades och använd samma mått för indexet och frågan:

• vector_cosine_ops (<=>) är cosinélikhet. Använd den för de flesta textbäddningar. Det här är det vanligaste valet.
• vector_l2_ops (<->) är avståndet euklidiska (L2). Använd den när absolut rumsligt avstånd spelar roll och vektorer inte normaliseras.
• vector_ip_ops (<#>) är negativ inre produkt. Använd den när vektorer förnormaliseras till enhetslängd. För enhetsvektorer är den inre produkten lika med cosinélikhet och är vanligtvis snabbare.

Referens för indexalternativ

GUC-referens

Hjälpfunktioner

Nästa steg

• lakebase_text
• Lakebase-sökning