跳到主要内容
Google Cloud BigQuery 向量搜索允许您使用 GoogleSQL 进行语义搜索，使用向量索引实现快速近似结果，或使用暴力搜索实现精确结果。
本教程演示了如何在 LangChain 中使用端到端数据和嵌入管理系统，并使用 BigQueryVectorStore 类在 BigQuery 中提供可扩展的语义搜索。此类是能够提供 Google Cloud 中统一数据存储和灵活向量搜索的 2 个类集中的一部分。
  • BigQuery 向量搜索：使用 BigQueryVectorStore 类，它非常适合无需基础设施设置的快速原型设计和批量检索。
  • Feature Store 在线存储：使用 VertexFSVectorStore 类，通过手动或计划数据同步实现低延迟检索。非常适合生产就绪的面向用户的 GenAI 应用程序。
Diagram BQ-VertexFS

​
入门

​
安装库

pip install -qU  langchain langchain-google-vertexai "langchain-google-community[featurestore]"
要在当前的 Jupyter 运行时中使用新安装的包，您必须重新启动运行时。您可以通过运行下面的单元格来完成此操作，它将重新启动当前内核。 
import IPython

app = IPython.Application.instance()
app.kernel.do_shutdown(True)

​
开始之前

​
设置您的项目 ID

如果您不知道您的项目 ID，请尝试以下操作
  • 运行 gcloud config list。
  • 运行 gcloud projects list。
  • 查看支持页面：查找项目 ID。
PROJECT_ID = ""  # @param {type:"string"}

# Set the project id
! gcloud config set project {PROJECT_ID}

​
设置区域

您还可以更改 BigQuery 使用的 REGION 变量。了解更多关于 BigQuery 区域的信息。 
REGION = "us-central1"  # @param {type: "string"}

​
设置数据集和表名

它们将是您的 BigQuery 向量存储。 
DATASET = "my_langchain_dataset"  # @param {type: "string"}
TABLE = "doc_and_vectors"  # @param {type: "string"}

​
验证您的笔记本环境

  • 如果您正在使用 Colab 运行此笔记本，请取消注释下面的单元格并继续。
  • 如果您正在使用 Vertex AI Workbench，请查看 此处 的设置说明。
# from google.colab import auth as google_auth

# google_auth.authenticate_user()

​
演示：BigQueryVectorStore

​
创建嵌入类实例

您可能需要通过运行 gcloud services enable aiplatform.googleapis.com --project {PROJECT_ID} 在您的项目中启用 Vertex AI API（将 {PROJECT_ID} 替换为您的项目名称）。 您可以使用任何 LangChain 嵌入模型。
from langchain_google_vertexai import VertexAIEmbeddings

embedding = VertexAIEmbeddings(
    model_name="textembedding-gecko@latest", project=PROJECT_ID
)

​
初始化 BigQueryVectorStore

如果 BigQuery 数据集和表不存在，它们将自动创建。有关所有可选参数，请参阅 此处 的类定义。 
from langchain_google_community import BigQueryVectorStore

store = BigQueryVectorStore(
    project_id=PROJECT_ID,
    dataset_name=DATASET,
    table_name=TABLE,
    location=REGION,
    embedding=embedding,
)

​
添加文本

all_texts = ["Apples and oranges", "Cars and airplanes", "Pineapple", "Train", "Banana"]
metadatas = [{"len": len(t)} for t in all_texts]

store.add_texts(all_texts, metadatas=metadatas)

​
搜索文档

query = "I'd like a fruit."
docs = store.similarity_search(query)
print(docs)

​
按向量搜索文档

query_vector = embedding.embed_query(query)
docs = store.similarity_search_by_vector(query_vector, k=2)
print(docs)

​
使用元数据过滤器搜索文档

向量存储支持两种方法，用于在执行文档搜索时对元数据字段应用过滤器。
  • 基于字典的过滤器
    • 您可以传递一个字典（dict），其中键表示元数据字段，值指定过滤条件。此方法在键和相应值之间应用相等过滤器。当提供多个键值对时，它们使用逻辑 AND 操作组合。
  • 基于 SQL 的过滤器
    • 或者，您可以提供一个表示 SQL WHERE 子句的字符串，以定义更复杂的过滤条件。这允许更大的灵活性，支持 SQL 表达式，例如比较运算符和逻辑运算符。了解更多关于 BigQuery 运算符的信息。
# Dictionary-based Filters
# This should only return "Banana" document.
docs = store.similarity_search_by_vector(query_vector, filter={"len": 6})
print(docs)

# SQL-based Filters
# This should return "Banana", "Apples and oranges" and "Cars and airplanes" documents.
docs = store.similarity_search_by_vector(query_vector, filter="len = 6 AND len > 17")
print(docs)
BigQueryVectorStore 提供了一个 batch_search 方法，用于可扩展的向量相似性搜索。 
results = store.batch_search(
    embeddings=None,  # can pass embeddings or
    queries=["search_query", "search_query"],  # can pass queries
)

​
添加带嵌入的文本

您还可以使用 add_texts_with_embeddings 方法引入您自己的嵌入。这对于多模态数据特别有用，这些数据在嵌入生成之前可能需要自定义预处理。 
items = ["some text"]
embs = embedding.embed(items)

ids = store.add_texts_with_embeddings(
    texts=["some text"], embs=embs, metadatas=[{"len": 1}]
)

​
使用 Feature Store 实现低延迟服务

您只需使用 .to_vertex_fs_vector_store() 方法即可获取 VertexFSVectorStore 对象，该对象为在线用例提供低延迟。所有强制参数将自动从现有的 BigQueryVectorStore 类中传输。有关您可以使用的所有其他参数，请参阅 类定义。 使用 .to_bq_vector_store() 方法返回 BigQueryVectorStore 也同样容易。
store.to_vertex_fs_vector_store()  # pass optional VertexFSVectorStore parameters as arguments
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.