vearch

Visão geral

O Vearch é um banco de dados de vetor distribuído nativo em nuvem para busca eficiente de similaridade de incorporação de vetores em seus aplicativos de IA.

Principais recursos

• Pesquisa híbrida : pesquisa vetorial e filtragem escalar.

• Desempenho : Recuperação Vetorial Fast - Pesquise de milhões de objetos em milissegundos.

• Escalabilidade e confiabilidade : replicação e escala elástica.

Documento

APIs repousantes

• Tutorial | 参考文档

Openapis

• Tutorial

Sdk

• Python SDK

• Vá SDK

• Java SDK (em desenvolvimento)

Casos de uso

Use Vearch como um back -end de memória

• Langchain

• Llamaindex

• Langchaingo

• Langchain4J

Demos do mundo real

• VisualSearch : O Vearch pode ser aproveitado para criar um sistema de pesquisa visual completo para indexar bilhões de imagens. O plug -in de recuperação de imagem para detecção de objetos e extração de recursos também é necessário.

Início rápido

Implante o cluster de Vearch no K8S

Adicione gráficos através do repo

 $ helm repo add vearch https://vearch.github.io/vearch-helm
$ helm repo update && helm install my-release vearch/vearch

Adicione gráficos do local

 $ git clone https://github.com/vearch/vearch-helm.git && cd vearch-helm
$ helm install my-release ./charts -f ./charts/values.yaml

Comece por Docker-Compose

modo independente

 $ cd cloud
$ cp ../config/config.toml .
$ docker-compose --profile standalone up -d

modo de cluster

 $ cd cloud
$ cp ../config/config_cluster.toml .
$ docker-compose --profile cluster up -d

Implante por Docker : Comece rapidamente com a imagem Vearch Docker, consulte o ImplementBydocker

Compilar por código -fonte : Compilar rapidamente os códigos de origem, consulte SourCecomPiledeploy

Componentes

Arquitetura de Vearch

Mestre : Responsável pelo gerenciamento de esquema, metadados em nível de cluster e coordenação de recursos.

Roteador : fornece API RESTful: upsert , delete , search e query ; solicitar roteamento e resultar em fusão.

PartitionServer (PS) : hosts documentam partições com replicação baseada em jangada. O Gamma é o mecanismo de pesquisa do vetor principal implementado com base no FAISS. Ele fornece a capacidade de armazenar, indexar e recuperar os vetores e escalares.

Referência

Referência à citar quando você usa a Vearch em um artigo de pesquisa:

 @misc{li2019design,
      title={The Design and Implementation of a Real Time Visual Search System on JD E-commerce Platform},
      author={Jie Li and Haifeng Liu and Chuanghua Gui and Jianyu Chen and Zhenyun Ni and Ning Wang},
      year={2019},
      eprint={1908.07389},
      archivePrefix={arXiv},
      primaryClass={cs.IR}
}

Comunidade

Você pode relatar bugs ou fazer perguntas na página de problemas do repositório.

Para discussão pública sobre VECHOUR ou para perguntas, você também pode enviar email para [email protected].

Nosso Slack: https://vearchworkspace.slack.com

Usuários conhecidos

Bem -vindo ao registro do nome da empresa nesta edição: #230 (em ordem de registro)

Licença

Licenciado sob a licença Apache, versão 2.0. Para detalhes, consulte Licença e aviso.

Expandir