将 TiDB Vector Search 与 peewee 集成
本教程将引导你如何使用 peewee 与 TiDB Vector Search 交互,存储嵌入向量,并执行向量搜索查询。
前提条件
完成本教程,你需要:
- 安装 Python 3.8 或更高版本
- 安装 Git
- 一个 TiDB 集群
如果你还没有 TiDB 集群,可以按照以下方式创建:
- (推荐)参考 创建 TiDB Cloud Starter 集群 来创建你自己的 TiDB Cloud 集群。
- 参考 部署本地测试 TiDB 集群 或 部署生产环境 TiDB 集群 来创建版本为 v8.4.0 或更高版本的本地集群。
运行示例应用
你可以通过以下步骤快速了解如何将 TiDB Vector Search 与 peewee 集成。
第 1 步:克隆仓库
将 tidb-vector-python
仓库克隆到你的本地机器:
git clone https://github.com/pingcap/tidb-vector-python.git
第 2 步:创建虚拟环境
为你的项目创建虚拟环境:
cd tidb-vector-python/examples/orm-peewee-quickstart
python3 -m venv .venv
source .venv/bin/activate
第 3 步:安装依赖
安装示例项目所需的依赖:
pip install -r requirements.txt
或者,你也可以单独安装以下包:
pip install peewee pymysql python-dotenv tidb-vector
第 4 步:配置环境变量
根据你选择的 TiDB 部署方式,配置环境变量。
对于 TiDB Cloud Starter 集群,按照以下步骤获取集群连接字符串并配置环境变量:
进入 Clusters 页面,然后点击目标集群的名称,进入其概览页面。
点击右上角的 Connect,弹出连接对话框。
确认连接对话框中的配置与你的操作环境一致。
- Connection Type 设置为
Public
。 - Branch 设置为
main
。 - Connect With 设置为
General
。 - Operating System 与你的环境匹配。
- Connection Type 设置为
从连接对话框复制连接参数。
在你的 Python 项目的根目录下,创建
.env
文件,并将连接参数粘贴到对应的环境变量中。TIDB_HOST
: TiDB 集群的主机地址。TIDB_PORT
: TiDB 集群的端口。TIDB_USERNAME
: 连接 TiDB 集群的用户名。TIDB_PASSWORD
: 连接 TiDB 集群的密码。TIDB_DATABASE
: 要连接的数据库名。TIDB_CA_PATH
: 根证书文件的路径。
下面是 macOS 的示例:
TIDB_HOST=gateway01.****.prod.aws.tidbcloud.com TIDB_PORT=4000 TIDB_USERNAME=********.root TIDB_PASSWORD=******** TIDB_DATABASE=test TIDB_CA_PATH=/etc/ssl/cert.pem
对于 TiDB Self-Managed 集群,在你的 Python 项目的根目录下创建 .env
文件。将以下内容复制到 .env
文件中,并根据你的 TiDB 集群连接参数修改环境变量的值:
TIDB_HOST=127.0.0.1
TIDB_PORT=4000
TIDB_USERNAME=root
TIDB_PASSWORD=
TIDB_DATABASE=test
如果你在本地运行 TiDB,TIDB_HOST
默认为 127.0.0.1
。初次启动集群时,TIDB_PASSWORD
默认为空,可以省略此字段。
以下是各参数的说明:
TIDB_HOST
: TiDB 集群的主机地址。TIDB_PORT
: TiDB 集群的端口。TIDB_USERNAME
: 连接 TiDB 集群的用户名。TIDB_PASSWORD
: 连接 TiDB 集群的密码。TIDB_DATABASE
: 你要连接的数据库名称。
第 5 步:运行示例
python peewee-quickstart.py
示例输出:
Get 3-nearest neighbor documents:
- distance: 0.00853986601633272
document: fish
- distance: 0.12712843905603044
document: dog
- distance: 0.7327387580875756
document: tree
Get documents within a certain distance:
- distance: 0.00853986601633272
document: fish
- distance: 0.12712843905603044
document: dog
示例代码片段
你可以参考以下示例代码片段,开发你的应用。
创建向量表
连接到 TiDB 集群
import os
import dotenv
from peewee import Model, MySQLDatabase, SQL, TextField
from tidb_vector.peewee import VectorField
dotenv.load_dotenv()
# 使用 `pymysql` 作为驱动
connect_kwargs = {
'ssl_verify_cert': True,
'ssl_verify_identity': True,
}
# 使用 `mysqlclient` 作为驱动
# connect_kwargs = {
# 'ssl_mode': 'VERIFY_IDENTITY',
# 'ssl': {
# # 根证书默认路径
# # https://docs.pingcap.com/tidbcloud/secure-connections-to-serverless-clusters/#root-certificate-default-path
# 'ca': os.environ.get('TIDB_CA_PATH', '/path/to/ca.pem'),
# },
# }
db = MySQLDatabase(
database=os.environ.get('TIDB_DATABASE', 'test'),
user=os.environ.get('TIDB_USERNAME', 'root'),
password=os.environ.get('TIDB_PASSWORD', ''),
host=os.environ.get('TIDB_HOST', 'localhost'),
port=int(os.environ.get('TIDB_PORT', '4000')),
**connect_kwargs,
)
定义向量列
创建一个名为 peewee_demo_documents
的表,包含存储 3 维向量的列。
class Document(Model):
class Meta:
database = db
table_name = 'peewee_demo_documents'
content = TextField()
embedding = VectorField(3)
存储带有嵌入向量的文档
Document.create(content='dog', embedding=[1, 2, 1])
Document.create(content='fish', embedding=[1, 2, 4])
Document.create(content='tree', embedding=[1, 0, 0])
搜索语义最接近的邻居文档
根据余弦距离函数,搜索与查询向量 [1, 2, 3]
语义最接近的前 3 个文档。
distance = Document.embedding.cosine_distance([1, 2, 3]).alias('distance')
results = Document.select(Document, distance).order_by(distance).limit(3)
搜索距离在一定范围内的文档
搜索与查询向量 [1, 2, 3]
的余弦距离小于 0.2 的文档。
distance_expression = Document.embedding.cosine_distance([1, 2, 3])
distance = distance_expression.alias('distance')
results = Document.select(Document, distance).where(distance_expression < 0.2).order_by(distance).limit(3)