Funkcja vector_search

Dotyczy: Databricks SQL

Ważne

Ta funkcja jest dostępna w publicznej wersji zapoznawczej.

Funkcja vector_search() umożliwia wykonywanie zapytań względem indeksu wyszukiwania wektorów mozaiki sztucznej inteligencji przy użyciu języka SQL.

Wymagania

• Ta funkcja nie jest dostępna w klasycznych magazynach SQL.
• Aby uzyskać więcej informacji, zobacz stronę cennika usługi Databricks SQL.
• Ta funkcja jest dostępna w regionach, w których jest obsługiwane wyszukiwanie wektorów mozaiki sztucznej inteligencji.

Składnia

W środowisku Databricks Runtime 15.3 lub nowszym można użyć query_text lub query_vector, aby określić, co należy wyszukać w indeksie.

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

W środowisku Databricks Runtime 15.2 lub nowszym można użyć query, aby określić, co należy wyszukać w indeksie.

SELECT * FROM vector_search(
  index, query, num_results
)

Argumenty

Wszystkie argumenty muszą być przekazywane według nazwy, na przykład vector_search(index => indexName, query_text => queryText).

• index: stała, w pełni kwalifikowana STRING nazwa istniejącego indeksu wyszukiwania wektorów w tym samym obszarze roboczym dla wywołań. Definiowanie musi mieć uprawnienie "Wybierz" w indeksie.
• Użyj jednego z następujących elementów, aby określić wyrażenie do wyszukania w indeksie:
  • W przypadku środowiska Databricks Runtime 15.3 lub nowszego użyj query_text, aby wyszukać określony ciąg tekstu w kolumnie źródłowej indeksu Delta Sync . Zapytanie musi być wyrażeniem ciągu STRING, który należy wyszukać w indeksie.
  • W przypadku środowiska Databricks Runtime 15.3 lub nowszego użyj query_vector, aby wyszukać konkretny wektor w kolumnie wektora osadzania indeksu Delta Sync. Ten argument jest wymagany do wyszukiwania indeksu synchronizacji różnicowej przy użyciu samodzielnie zarządzanych wektorów. Zapytanie musi być wyrażeniem wektora osadzenia ARRAY<FLOAT>, ARRAY<DOUBLE>lub ARRAY<DECIMAL(_, _)>, aby wyszukać w indeksie.
  • W przypadku środowiska Databricks Runtime 15.2 lub starszego użyj query, aby określić ciąg do wyszukania w indeksie.
• num_results (opcjonalnie): stała całkowita, maksymalna liczba rekordów do zwrócenia. Wartość domyślna to 10.

Zwraca

Tabela najważniejszych pasujących rekordów z indeksu. Wszystkie kolumny indeksu są uwzględniane.

Przykłady

W poniższych sekcjach przedstawiono przykładowe zapytania SQL dotyczące różnych wyszukiwań indeksów.

Zapytania tekstowe dotyczące indeksów z osadzanymi kolumnami źródłowymi

Wyszukaj indeks jednostek SKU produktu, aby znaleźć podobne produkty według nazwy. W poniższym przykładzie użyto query_text, która jest obsługiwana tylko w środowisku Databricks Runtime 15.3 lub nowszym. W przypadku środowiska Databricks Runtime 15.2 lub starszego użyj query zamiast query_text.

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

ID	Nazwa produktu
10	iPhone
20	iPhone SE

Poniższy przykład wyszukuje wiele terminów jednocześnie przy użyciu podzapytania 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
piksel 8	2	30	Piksel 8
piksel 8	2	40	Piksel 8a

Zapytania tekstowe dotyczące indeksów z osadzanymi kolumnami źródłowymi

Wyszukaj indeks obrazów przy użyciu wstępnie obliczonych osadzeń, aby znaleźć podobne obrazy, osadzając. W poniższym przykładzie użyto query_vector, która jest obsługiwana tylko w środowisku Databricks Runtime 15.3 lub nowszym. W przypadku Databricks Runtime w wersji 15.2 lub starszej, użyj query zamiast 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	image_name	osadzanie obrazu
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]

Poniższy przykład wyszukuje wiele terminów jednocześnie przy użyciu podzapytania 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

osadzanie zapytania	search.id	search.image_name	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]

Ograniczenia

W wersji zapoznawczej obowiązują następujące ograniczenia:

• Wykonywanie zapytań dotyczących typów indeksów DIRECT_ACCESS nie jest obsługiwane.
• Parametry filters_json wejściowe lub columns nie są obsługiwane.
• Wyszukiwanie wektorowe z num_results większa niż 100 nie jest obsługiwane.
• Użytkownicy, którzy nie mają prawa do odczytu tabeli źródłowej, nie mogą używać vector_search().
• Hybrydowe wyszukiwanie podobieństwa słów kluczowych nie jest obsługiwane przy użyciu vector_search().
• vector_search nie można używać z punktami końcowymi obsługującymi model przy użyciu interfejsów API modelu foundation aprowizowanej przepływności.