vemcache

Vemcache

Vemcache adalah database vektor dalam memori.

Vemcache dapat dianggap sebagai setara redis untuk database vektor.

Memulai

Prasyarat

• Docker: Untuk menjalankan Vemcache menggunakan Docker, Anda harus memasang Docker di sistem Anda. Anda dapat menginstal Docker dengan mengikuti instruksi di situs web Docker.
• Rust: Untuk membangun dan menjalankan vemcache, Anda perlu karat dan kargo yang dipasang di sistem Anda. Anda dapat menginstalnya menggunakan Rustup.

Membangun Vemcache

Menggunakan Docker

1. Tarik gambar vemcache dari Dockerhub

docker pull faizchishtie/vemcache

2. Jalankan gambar

docker run --rm -it -p 7070:7070 faizchishtie/vemcache:latest

Menggunakan Docker-Compose

Tambahkan yang berikut ini ke docker-compose.yml Anda

 version: "3.7"

services:
  vemcache:
    image: faizchishtie/vemcache:latest
    ports:
      - "7070:7070"
    environment:
      - VEMCACHE_HOST=0.0.0.0
      - VEMCACHE_PORT=7070
      - VEMCACHE_SECRET=mysecret

Secara lokal

1. Klon The Vemcache Repository:

git clone https://github.com/faizchishtie/vemcache.git
cd vemcache

2. Bangun Vemcache:

make build

3. Jalankan vemcache

make run

Menggunakan vemcache

Hubungkan ke VemCache dengan klien TCP seperti telnet atau nc .

Gunakan telnet untuk terhubung ke vemcache

telnet 0.0.0.0 7070

Atau gunakan nc

nc 0.0.0.0 7070

Setelah terhubung, Anda dapat berinteraksi dengan server Vemcache dengan mengirim perintah.

Memasukkan vektor

Untuk memasukkan vektor ke dalam database, gunakan perintah insert yang diikuti oleh nilai vektor:

insert 0.5 0.7 0.2

Untuk memasukkan vektor dengan kunci yang ditentukan, gunakan perintah named_insert diikuti oleh nilai kunci dan vektor:

named_insert my_vector 0.5 0.7 0.2

Mengambil vektor

Untuk mengambil vektor dari database menggunakan kuncinya, gunakan perintah GET diikuti oleh kunci:

get my_vector

Menghapus vektor

Untuk menghapus vektor dari database menggunakan kuncinya, gunakan perintah hapus diikuti oleh kunci:

remove my_vector

Melakukan operasi vektor

Untuk menghitung kesamaan kosinus antara dua vektor, gunakan perintah vcosine diikuti oleh kunci dari dua vektor:

vcosine vector1 vector2

Untuk menemukan tet tetangga terdekat vektor, gunakan perintah KNN diikuti oleh kunci vektor kueri dan nilai k:

knn query_vector 3

Untuk melakukan penambahan dua vektor dari elemen, gunakan perintah VADD diikuti oleh kunci dari dua vektor:

vadd vector1 vector2

Untuk melakukan pengurangan elemen dari dua vektor, gunakan perintah VSUB diikuti oleh kunci kedua vektor:

vsub vector1 vector2

Untuk skala vektor dengan nilai skalar, gunakan perintah vScale diikuti oleh kunci vektor dan nilai skalar:

vscale vector1 2.0

Membuang database

Untuk membuang database ke file JSON, gunakan perintah dump diikuti oleh jalur ke file:

dump vemcache.json

Menutup koneksi

Untuk keluar dari klien, tekan Ctrl+C atau ketik QUIT (jika menggunakan telnet).

Ini menyimpulkan penggunaan dasar vemcache untuk operasi vektor. Untuk operasi yang lebih canggih dan penjelasan terperinci dari setiap perintah, lihat dokumentasi VemCache.

Sesi contoh

 # User connects to Vemcache using telnet
$ telnet 0.0.0.0 7070
Trying 0.0.0.0...
Connected to 0.0.0.0.
Escape character is ' ^] ' .

# User inserts a vector with the key "vector_a"
named_insert vector_a 0.5 0.7 0.2
OK

# User inserts another vector with the key "vector_b"
named_insert vector_b 0.1 0.9 0.4
OK

# User retrieves the vector with the key "vector_a"
get vector_a
[0.5, 0.7, 0.2]

# User calculates the cosine similarity between "vector_a" and "vector_b"
vcosine vector_a vector_b
Cosine Similarity: 0.8693

# User finds the nearest neighbor of "vector_a" (k=2)
knn vector_a 2
ID: vector_a, Vector: [0.5, 0.7, 0.2]
ID: vector_b, Vector: [0.1, 0.9, 0.4]

# User performs element-wise addition of "vector_a" and "vector_b"
vadd vector_a vector_b
[0.6, 1.6, 0.6]

# User scales "vector_a" by a factor of 2
vscale vector_a 2.0
[1.0, 1.4, 0.4]

# User removes "vector_a" from the database
remove vector_a
OK

# User attempts to retrieve "vector_a" again (expecting an error)
get vector_a
null

# Dump vemcache db
dump vemcache.json
Database dump successful: vemcache.json

# User exits the session
quit
Connection closed by foreign host.