Funzione vector_search

Si applica a: Databricks SQL

Importante

Questa funzionalità è disponibile in anteprima pubblica.

La funzione vector_search() consente di eseguire query su un indice di Mosaic AI Vector Search usando SQL.

Requisiti

• Questa funzione non è disponibile nei warehouse SQL classici.
• Per altre informazioni, vedere la pagina relativa ai prezzi di Databricks SQL.
• Questa funzione è disponibile nelle aree in cui è supportata la ricerca a vettori di intelligenza artificiale mosaici.

Sintassi

In Databricks Runtime 15.3 e versioni successive è possibile usare query_text o query_vector per specificare cosa cercare nell'indice.

SELECT * FROM vector_search(
  index,
  { query_text | query_vector },
  [ num_results ]
)

In Databricks Runtime 15.2 e versioni successive è possibile usare query per specificare cosa cercare nell'indice.

SELECT * FROM vector_search(
  index, query, num_results
)

Argomenti

Tutti gli argomenti devono essere passati per nome, ad esempio vector_search(index => indexName, query_text => queryText).

• index: una costante STRING, il nome completo di un indice di ricerca vettoriale esistente nella stessa area di lavoro per le chiamate. Il definer deve disporre dell'autorizzazione "Select" per l'indice.
• Usare una delle opzioni seguenti per specificare l'espressione da cercare nell'indice:
  • Per Databricks Runtime 15.3 o versione successiva, usare query_text per cercare una stringa di testo specifica nella colonna di origine di incorporamento dell'indice di sincronizzazione delta . La query deve essere un'espressione STRING di una stringa da ricercare nell'indice.
  • Per Databricks Runtime 15.3 o versioni successive, utilizzare query_vector per cercare un vettore specifico nella colonna dei vettori di embedding del tuo indice di sincronizzazione Delta. Questo argomento è obbligatorio per la ricerca di un indice di sincronizzazione delta usando vettori autogestiti. La query deve essere un'espressione ARRAY<FLOAT>, o ARRAY<DOUBLE>o ARRAY<DECIMAL(_, _)> del vettore di incorporamento per la ricerca nell'indice.
  • Per Databricks Runtime 15.2 o versione successiva, usare query per specificare la stringa da cercare nell'indice.
• num_results (facoltativo): una costante intera, numero massimo di voci da restituire. L’impostazione predefinita è 10.

Valori restituiti

Tabella dei record corrispondenti principali dell'indice. Sono incluse tutte le colonne dell'indice.

Esempi

Le sezioni seguenti illustrano query SQL di esempio per ricerche di indici diverse.

Query di testo sugli indici con colonne di origine incorporate

Cercare un indice di SKU di prodotto per trovare prodotti simili in base al nome. L'esempio seguente usa query_text supportato solo in Databricks Runtime 15.3 e versioni successive. Per Databricks Runtime 15.2 e versioni successive, usare query anziché query_text.

SELECT * FROM VECTOR_SEARCH(index => "main.db.my_index", query_text => "iphone", num_results => 2)

ID	Nome prodotto
10	iPhone
20	iPhone SE

Nell'esempio seguente, vengono cercati più termini contemporaneamente usando una sottoquery LATERAL.

SELECT
  query_txt,
  query_id,
  search.*
FROM
  query_table,
  LATERAL(
SELECT * FROM VECTOR_SEARCH(index => "main.db.my_index", query_text => query_txt, num_results => 2)
  ) as search

query_txt	query_id	search.id	search.product_name
iphone	1	10	iPhone 10
iphone	1	20	iPhone SE
pixel 8	2	30	Pixel 8
pixel 8	2	40	Pixel 8a

Query di testo sugli indici con colonne di origine incorporate

Cercare un indice di immagini con incorporamenti pre-calcolati per trovare immagini simili incorporando. L'esempio seguente usa query_vector supportato solo in Databricks Runtime 15.3 e versioni successive. Per Databricks Runtime 15.2 e versioni successive, usare query anziché query_vector.

SELECT * FROM VECTOR_SEARCH(index => "main.db.my_index", query_vector => ARRAY(0.45, -0.35, 0.78, 0.22), num_results => 3)

SELECT * FROM VECTOR_SEARCH(index => "main.db.my_index", query_vector => ARRAY(0.45F, -0.35F, 0.78F, 0.22F), num_results => 3)

SELECT * FROM VECTOR_SEARCH(index => "main.db.my_index", query_vector => ARRAY(0.45D, -0.35D, 0.78D, 0.22D), num_results => 3)

Id	nome_immagine	incorporamento di immagini
28	horse.jpg	[0.46, -0.34, 0.77, 0.21]
27	donkey.jpg	[0.44, -0.36, 0.79, 0.23]
5	elk.jpg	[0.23, -0.44, 0.77, 0.80]

Nell'esempio seguente, vengono cercati più termini contemporaneamente usando una sottoquery LATERAL.

SELECT
  query_embedding,
  search.*
FROM
  query_table,
  LATERAL(
SELECT * FROM VECTOR_SEARCH(index => "main.db.my_index", query_vector => image_embedding, num_results => 1)
  ) as search

incorporamento della query	search.id	cerca.nome_immagine	search_image_embedding
[0.45, -0.35, 0.78, 0.22]	27	donkey.jpg	[0.46, -0.34, 0.77, 0.21]
[0.14, 0.29, 0.30, -0.90]	3	landscape.jpg	[0.15, 0.30, 0.31, -0.91]
[0.23, -0.44, 0.77, 0.80]	10	golden_gate_bridge.jpg	[0.28, -0.40, 0.23, 0.81]
[0.88, 0.88, 0.88, 0.88]	44	blank.jpg	[0.88, 0.88, 0.88, 0.88]

Limiti

Durante l'anteprima, si applicano le limitazioni seguenti:

• I tipi di indice DIRECT_ACCESS di query non sono supportati.
• I parametri di input filters_json o columns non sono supportati.
• La ricerca vettoriale con num_results maggiore di 100 non è supportata.
• Gli utenti che non dispongono dell'accesso READ alla tabella di origine non possono usare vector_search().
• La ricerca ibrida di somiglianza tra parole chiave non è supportata tramite vector_search().
• vector_search non può essere usato con gli endpoint di gestione del modello usando la velocità effettiva con provisioning delle API Modello di base.