【向量数据库】chroma 向量数据库使用教程

以下是 Chroma 向量数据库的使用教程：
安装

• 使用 Python 的 pip 包管理器安装 Chroma：
  bash复制
  
  1. pip install chromadb

  复制代码
• 如果只需要使用 Chroma 的客户端功能，可以安装轻量级的客户端库：
  bash复制
  
  1. pip install chromadb-client

  复制代码

初始化客户端

• 本地恒久化客户端：将数据保存到本地指定路径，并在启动时主动加载。
  Python复制
  
  1. import chromadb
  2. client = chromadb.PersistentClient(path="/path/to/save/to")

  复制代码
• HTTP 客户端：毗连到运行中的 Chroma 服务器。
  Python复制
  
  1. chroma_client = chromadb.HttpClient(host='localhost', port=8000)

  复制代码

创建集合

集合是 Chroma 中存储数据的根本单元。可以通过以下代码创建集合：
Python复制

1. collection = client.create_collection(name="my_collection")

复制代码

• 集合名称有以下限制：长度 3 到 63 个字符，开头和结尾只能是小写字母或数字，不能包罗两个一连的点，不能是有效的 IP 地址。
  
• 可以通过 embedding_function 参数指定嵌入函数，若不指定则使用默认的 all-MiniLM-L6-v2 模型。
  
• 也可以通过 metadata 参数自界说嵌入空间的距离方法，例如：
  Python复制
  
  1. collection = client.create_collection(
  2.     name="collection_name",
  3.     metadata={"hnsw:space": "cosine"}  # 使用余弦相似度
  4. )

  复制代码

添加数据

向集合中添加数据时，需要提供以下内容：

• ids：唯一标识。
  
• documents：数据本体，通常是文本。若未提供 embeddings，Chroma 会主动从 documents 天生嵌入向量。
  
• metadatas（可选）：数据的额外描述，可用于后续的过滤查询。
  
• embeddings（可选）：手动传入的嵌入向量。
  

示例代码：
Python复制

1. collection.add(
2.     documents=["This is a document about engineer", "This is a document about steak"],
3.     metadatas=[{"source": "doc1"}, {"source": "doc2"}],
4.     ids=["id1", "id2"]
5. )

复制代码

查询数据

可以通过嵌入向量或文本举行查询。以下是两种查询方式的示例：

• 基于嵌入向量查询：
  Python复制
  
  1. results = collection.query(
  2.     query_embeddings=[[11.1, 12.1, 13.1]],
  3.     n_results=2  # 返回最相关的 2 个结果
  4. )

  复制代码
• 基于文本查询：Chroma 会主动将文本转换为嵌入向量举行查询。
  Python复制
  
  1. results = collection.query(
  2.     query_texts=["Which food is the best?"],
  3.     n_results=2
  4. )

  复制代码

查询结果是一个字典，包罗以下字段：

• ids：匹配到的数据的 ID。
  
• documents：匹配到的数据内容。
  
• metadatas：匹配到的数据的元数据。
  
• distances：查询向量与匹配向量之间的距离。
  

其他操作

• 更新数据：
  Python复制
  
  1. collection.update(
  2.     ids=["id1", "id2"],
  3.     documents=["Updated document 1", "Updated document 2"]
  4. )

  复制代码
• 删除数据：
  Python复制
  
  1. collection.delete(ids=["id1"])

  复制代码
• 过滤查询：可以通过元数据或文档内容举行过滤查询。
  Python复制
  
  1. results = collection.query(
  2.     query_embeddings=[[11.1, 12.1, 13.1]],
  3.     n_results=2,
  4.     where={"source": "doc1"}  # 按元数据过滤
  5. )

  复制代码
• 指定返回字段：在查询时可以通过 include 参数指定返回的字段，例如：
  Python复制
  
  1. results = collection.query(
  2.     query_embeddings=[[11.1, 12.1, 13.1]],
  3.     include=["documents", "metadatas"]
  4. )

  复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。