หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

เวม

Vemcache เป็นฐานข้อมูลเวกเตอร์ในหน่วยความจำ

Vemcache สามารถคิดได้ว่าเป็น Redis เทียบเท่ากับฐานข้อมูลเวกเตอร์

เริ่มต้น

ข้อกำหนดเบื้องต้น

  • Docker: ในการเรียกใช้ vemcache โดยใช้ Docker คุณต้องติดตั้ง Docker ในระบบของคุณ คุณสามารถติดตั้ง Docker ได้โดยทำตามคำแนะนำในเว็บไซต์ Docker
  • Rust: ในการสร้างและเรียกใช้ vemcache คุณต้องติดตั้งสนิมและสินค้าติดตั้งในระบบของคุณ คุณสามารถติดตั้งได้โดยใช้ Rustup

การสร้าง vemcache

ใช้นักเทียบท่า

  1. ดึงภาพ vemcache จาก DockerHub 
docker pull faizchishtie/vemcache
  1. เรียกใช้ภาพ 
docker run --rm -it -p 7070:7070 faizchishtie/vemcache:latest

ใช้นักเทียบท่า

เพิ่มสิ่งต่อไปนี้ใน docker-compose.yml ของคุณ 

 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

ในระดับท้องถิ่น

  1. โคลนที่เก็บ vemcache: 
git clone https://github.com/faizchishtie/vemcache.git
cd vemcache
  1. สร้าง vemcache: 
make build
  1. เรียกใช้ vemcache 
make run

ใช้ vemcache

เชื่อมต่อกับ vemcache กับไคลเอนต์ TCP เช่น telnet หรือ nc

ใช้ telnet เพื่อเชื่อมต่อกับ vemcache 

telnet 0.0.0.0 7070

หรือใช้ nc 

nc 0.0.0.0 7070

เมื่อเชื่อมต่อแล้วคุณสามารถโต้ตอบกับเซิร์ฟเวอร์ vemcache โดยส่งคำสั่ง

การแทรกเวกเตอร์

ในการแทรกเวกเตอร์ลงในฐานข้อมูลให้ใช้คำสั่งแทรกตามด้วยค่าเวกเตอร์: 

insert 0.5 0.7 0.2

ในการแทรกเวกเตอร์ด้วยคีย์ที่ระบุให้ใช้คำสั่ง named_insert ตามด้วยคีย์และค่าเวกเตอร์: 

named_insert my_vector 0.5 0.7 0.2

การดึงเวกเตอร์

ในการดึงเวกเตอร์จากฐานข้อมูลโดยใช้คีย์ให้ใช้คำสั่ง GET ตามด้วยคีย์: 

get my_vector

การลบเวกเตอร์

ในการลบเวกเตอร์ออกจากฐานข้อมูลโดยใช้คีย์ให้ใช้คำสั่งลบตามด้วยคีย์: 

remove my_vector

ดำเนินการเวกเตอร์

ในการคำนวณความคล้ายคลึงกันของโคไซน์ระหว่างสองเวกเตอร์ให้ใช้คำสั่ง vcosine ตามด้วยคีย์ของเวกเตอร์ทั้งสอง: 

vcosine vector1 vector2

ในการค้นหาเพื่อนบ้านที่ใกล้ที่สุดของเวกเตอร์ให้ใช้คำสั่ง KNN ตามด้วยคีย์ของเวกเตอร์แบบสอบถามและค่า K: 

knn query_vector 3

ในการดำเนินการเพิ่มองค์ประกอบอย่างชาญฉลาดของเวกเตอร์สองตัวให้ใช้คำสั่ง VADD ตามด้วยคีย์ของเวกเตอร์ทั้งสอง: 

vadd vector1 vector2

ในการดำเนินการลบองค์ประกอบที่ชาญฉลาดของเวกเตอร์สองตัวให้ใช้คำสั่ง VSUB ตามด้วยคีย์ของเวกเตอร์ทั้งสอง: 

vsub vector1 vector2

ในการปรับขนาดเวกเตอร์ด้วยค่าสเกลาร์ให้ใช้คำสั่ง VSCALE ตามด้วยคีย์ของเวกเตอร์และค่าสเกลาร์: 

vscale vector1 2.0

การทิ้งฐานข้อมูล

ในการทิ้งฐานข้อมูลไปยังไฟล์ JSON ให้ใช้คำสั่ง dump ตามด้วยพา ธ ไปยังไฟล์: 

dump vemcache.json

ปิดการเชื่อมต่อ

หากต้องการออกจากไคลเอนต์ให้กด Ctrl+C หรือพิมพ์ออก (หากใช้ telnet)

สิ่งนี้สรุปการใช้งานขั้นพื้นฐานของ vemcache สำหรับการดำเนินการเวกเตอร์ สำหรับการดำเนินการขั้นสูงและคำอธิบายโดยละเอียดของแต่ละคำสั่งให้ดูเอกสารประกอบ VemCache

ตัวอย่างเซสชัน 

 # 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.
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด