Skip to main content

MyScale（MyScale）

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

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对两种类型的数据进行联合查询和分析。此外，MyScale的云原生OLAP架构建立在ClickHouse之上，即使在大规模数据集上，也能实现闪电般快速的数据处理。

介绍（Introduction）​

MyScale和高性能向量搜索概述

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和向量集成感兴趣，请参阅此文档以获取更多语法参考。

我们还提供了基于huggingface的实时演示！请查看我们的huggingface空间！它们可以在瞬间搜索数百万个向量！

安装和设置（Installation and Setup）​

  • 使用pip install clickhouse-connect安装Python SDK

设置环境​

有两种方法可以设置myscale索引的参数。

  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='<your-endpoints-url>' MYSCALE_PORT=<your-endpoints-port> MYSCALE_USERNAME=<your-username> MYSCALE_PASSWORD=<your-password> ...

    您可以在我们的SaaS上轻松找到您的帐户、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_进行设置，且不区分大小写。

  2. 使用参数创建MyScaleSettings对象

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

包装器（Wrappers）​

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
  • similarity_search_with_relevance_scores

VectorStore​

存在一个围绕MyScale数据库的包装器，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.vectorstores import MyScale

有关MyScale包装器的更详细的演示，请参阅此笔记本