矢量搜索

项目
10/24/2024

警告

Azure Cosmos DB 矢量搜索目前以预览版提供。因此，使用 EF 的矢量搜索 API 将生成必须抑制的“试验性 API”警告 (EF9103)。 API 和功能在未来可能会发生重大更改。

Azure Cosmos DB 对矢量相似性搜索的支持现为预览版。矢量搜索是某些应用程序类型的基本部分，包括 AI、语义搜索等。 Azure Cosmos DB 允许将矢量与其他数据一起直接存储在文档中，这意味着可以对单个数据库执行所有查询。这可以大大简化体系结构，并消除对堆栈中额外的专用矢量数据库解决方案的需求。若要了解有关 Azure Cosmos DB 矢量搜索的详细信息，请参阅文档。

若要使用矢量搜索，必须先注册预览功能。然后，在容器上定义矢量策略，确定文档中的哪个 JSON 属性包含矢量、这些属性的各种矢量相关信息（维度、数据类型、距离函数）。

正确设置容器后，在容器策略中定义的路径中将矢量属性添加到模型，并将 EF 配置为矢量：

public class Blog
{
    ...

    public float[] Vector { get; set; }
}

public class BloggingContext
{
    ...

    protected override void OnModelCreating(ModelBuilder modelBuilder)
    {
        modelBuilder.Entity<Blog>()
            .Property(b => b.Embeddings)
            .IsVector(DistanceFunction.Cosine, dimensions: 1536);
    }
}

此时，模型已经配置好了。矢量数据的插入与 EF 中的任何其他数据类型一样：

float[] vector = /* generate vector data from text, image, etc. */
context.Add(new Blog { Vector = vector });
await context.SaveChangesAsync();

最后，使用 LINQ 查询中的 EF.Functions.VectorDistance() 函数执行矢量相似性搜索：

float[] anotherVector = /* generate vector data from text, image, etc. */
var blogs = await context.Blogs
    .OrderBy(s => EF.Functions.VectorDistance(s.Vector, anotherVector))
    .Take(5)
    .ToListAsync();

这将根据其 Vector 属性和外部提供的 anotherVector 数据的相似性返回前五个博客。

通过

矢量搜索

其他资源