MyScale

本页面介绍如何在 LangChain 中使用 MyScale 向量数据库。分为两部分：安装和设置，以及对特定 MyScale 包装器的引用。

使用 MyScale，您可以管理结构化和非结构化（向量化)数据，并使用 SQL 对两种类型的数据进行联合查询和分析。此外，MyScale 的云原生 OLAP 架构，建立在 ClickHouse 之上，即使在大规模数据集上也能实现闪电般快速的数据处理。

介绍

MyScale 和高性能向量搜索概述

您现在可以在我们的 SaaS 上注册并 立即启动一个集群！

如果您也对我们如何整合 SQL 和向量感兴趣，请参考 此文档 获取更多语法参考。

我们还提供有关 Huggingface 的实时演示！请查看我们的 huggingface 空间！他们可以在眨眼之间搜索数百万个向量！

安装和设置

• 使用 pip install clickhouse-connect 安装 Python SDK。

设置环境变量

有两种方法可以设置 myscale 索引的参数。

• 环境变量

在运行应用程序之前，请使用 export 设置环境变量: export MYSCALE_URL='<your-endpoints-url>' MYSCALE_PORT=<your-endpoints-port> MYSCALE_USERNAME=<your-username> MYSCALE_PASSWORD=<your-password> ...

您可以在我们的 SaaS 上轻松找到您的帐户、密码和其他信息。有关详细信息，请参见 此文档 MyScaleSettings 下的每个属性都可以用前缀 MYSCALE_ 设置，并且不区分大小写。 2. 使用参数创建 MyScaleSettings 对象

from langchain.vectorstores import MyScale, MyScaleSettings
config = MyScaleSetting(host="<your-backend-url>", port=8443, ...)
index = MyScale(embedding_function, config)
index.add_documents(...)

包装器

支持的函数：

• add_texts

• add_documents

• from_texts

• from_documents

• similarity_search

• 近似相似度搜索

• 向量相似度搜索

• 近似向量相似度搜索

• 带相关度分数的相似度搜索

向量存储

有一个 MyScale 数据库的包装器，允许您将其用作向量存储，无论用于语义搜索还是类似的示例检索。

要导入此向量存储：

from langchain.vectorstores import MyScale

有关 MyScale 包装器的更详细演示，请参见 此教程