阿里云服务器部署向量数据库Chroma并通过Client连接
Chroma简介
官网:https://docs.trychroma.com/
(图片来源网络,侵删)
Chroma是一个开源的向量数据库。可以为大语言模型提供额外的知识存储。
Chroma的优势
- 开源
- 简单轻便
- 内存模式下无需额外部署
- 相对较快
Server模式的部署
内存模式虽然简单轻便,但也只限于开发验证(重启应用数据会丢失)。实际使用还是需要在服务器部署起来。
前置条件
开通云服务器并安装docker
ali云官方安装教程
获取Docker镜像并部署
你可以直接从DockerHub拉取Chroma官方镜像
docker pull chromadb/chroma
之后执行命令,运行docker
docker run -d --name chromadb-container -p 8899:8000 chromadb/chroma
注:上面8899是指宿主机(host)的端口号,后面的8000 (即 -p 参数后的8000) 代表的是容器(container)内部的端口号。
这样chroma就在服务器上运行了
客户端访问
创建chroma 客户端
import os import chromadb from langchain_openai import OpenAIEmbeddings # 创建client client = chromadb.HttpClient( host=os.environ.get("CHROMA_SERVER_IP"), # 你的服务器ip port=8899, # 你的服务器端口 )
创建collection
# 创建collection collection = client.get_or_create_collection( name="hello", # collection名称 )
向collection添加文档
# embedding函数,这里用了langchain的openai embedding函数 embeddings = OpenAIEmbeddings().embed_documents # 向collection中添加文档 collection.add( embeddings=embeddings(texts=["hello world", "goodbye world"]), # 每个文档的向量 documents=["hello world", "goodbye world"], # 文档的原文 ids=[f"id{i}" for i in range(len(["hello world", "goodbye world"]))] # 每个文档的 id )
查询
# 查询向量数据库 result = collection.query( query_embeddings=embeddings(texts=["hello"]), n_results=1 ) print(result)
结果:
{'ids': [['id0']], 'distances': [[0.21401809153891344]], 'embeddings': None, 'metadatas': [[None]], 'documents': [['hello world']], 'uris': None, 'data': None}
文章版权声明:除非注明,否则均为主机测评原创文章,转载或复制请以超链接形式并注明出处。