Поделиться через

Функция vector_search

  • Статья

Область применения:флажок Databricks SQL

Внимание

Эта функция предоставляется в режиме общедоступной предварительной версии.

Эта vector_search() функция позволяет запрашивать индекс поиска вектора вектора мозаики с помощью SQL.

Требования

  • Эта функция недоступна в классических хранилищах SQL.
  • Дополнительные сведения см. на странице цен на Databricks SQL.
  • Эта функция доступна в регионах , где поддерживается Векторного Поиска Mosaic AI.

Синтаксис

В Databricks Runtime 15.3 и более поздних версий можно использовать query_text или query_vector, чтобы указать, что нужно искать в индексе.

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

В Databricks Runtime 15.2 и ниже можно использовать query, чтобы указать, что нужно искать в индексе.

SELECT * FROM vector_search(
  index, query, num_results
)

Аргументы

Все аргументы должны передаваться по имени, например vector_search(index => indexName, query_text => queryText).

  • index STRING: константа, полное имя существующего индекса векторного поиска в той же рабочей области для вызовов. У определителя должно быть разрешение на выборку данных в индексе.
  • Используйте одно из следующих действий, чтобы указать выражение для поиска в индексе:
    • Для Databricks Runtime 15.3 или более поздней версии используйте query_text для поиска определенной строки текста в столбце источника вашего Delta Sync Index. Запрос должен быть STRING выражением строки для поиска в индексе.
    • Для Databricks Runtime 15.3 или более поздней версии используйте query_vector для поиска определенного вектора в столбце встраивания векторов вашего индекса Delta Sync. Этот аргумент необходим для поиска индекса Delta Sync с использованием автономных векторов. Запрос должен быть выражением ARRAY<FLOAT>, ARRAY<DOUBLE>или ARRAY<DECIMAL(_, _)> вектора внедрения для поиска в индексе.
    • Для Databricks Runtime 15.2 или ниже используйте query, чтобы указать строку для поиска в индексе.
  • num_results (необязательно): целочисленная константа, максимальное число возвращаемых записей. Значение по умолчанию равно 10.

Возвраты

Таблица верхних соответствующих записей из индекса. Все столбцы индекса включены.

Примеры

В следующих разделах показаны примеры запросов SQL для различных поисковых запросов индекса.

Текстовые запросы на индексы с внедрением исходных столбцов

Выполните поиск по индексу номеров SKU продукта, чтобы найти аналогичные продукты по имени. В следующем примере используется query_text, который поддерживается только в Databricks Runtime 15.3 и выше. Для Databricks Runtime 15.2 и ниже используйте query вместо query_text.


SELECT * FROM VECTOR_SEARCH(index => "main.db.my_index", query_text => "iphone", num_results => 2)
ID Название продукта
10 iPhone
20 iPhone SE

В следующем примере выполняется поиск нескольких терминов одновременно с помощью вложенных запросов 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
пиксель 8 2 30 Пиксель 8
пиксель 8 2 40 Пиксель 8a

Текстовые запросы на индексы с внедрением исходных столбцов

Выполните поиск по индексу изображений с предвычисленными встраиваниями, чтобы найти аналогичные изображения по встраиваниям. В следующем примере используется query_vector, который поддерживается только в Databricks Runtime 15.3 и выше. Для Databricks Runtime 15.2 и ниже используйте query вместо 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)
идентификатор image_name встраивание изображения
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]

В следующем примере выполняется поиск нескольких терминов одновременно с помощью вложенных запросов 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
встраивание запроса search.id поиск.имя_изображения поиск встраивания изображения
[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]

Ограничения

Следующие ограничения применяются во время предварительной версии:

  • Типы индексов DIRECT_ACCESS запросов не поддерживаются.
  • Входные параметры filters_json или columns не поддерживаются.
  • Поиск векторов с num_results более чем 100 не поддерживается.
  • Пользователи, у которых нет доступа READ к исходной таблице, не могут использовать vector_search().
  • Поиск по сходству с гибридными ключевыми словами не поддерживается с помощью vector_search().
  • vector_search нельзя использовать с конечными точками обслуживания моделей с помощью api-интерфейсов модели Foundation, подготовленных пропускной способностью.