vectordb

项目介绍：vectordb

什么是Epsilla？

Epsilla是一个开源的向量数据库，致力于提供更快、更经济、性能更优的向量搜索解决方案。其核心目标是解决大语言模型中信息检索与记忆保留之间的差距。通过这款数据库，用户可以在需要快速检索嵌入向量时，获得十倍于传统方法的速度，同时保证高达99.9%的精确度。

快速入门

使用Docker快速启动

1. 运行后端

   使用Docker命令启动Epsilla数据库：

   docker pull epsilla/vectordb
   docker run --pull=always -d -p 8888:8888 -v /data:/data epsilla/vectordb

2. 使用Python客户端进行交互

   安装并通过Python与数据库进行交互：

   pip install pyepsilla

   然后，你可以利用下述Python代码连接数据库并进行数据插入和查询：

   from pyepsilla import vectordb
   
   client = vectordb.Client(host='localhost', port='8888')
   client.load_db(db_name="MyDB", db_path="/data/epsilla")
   client.use_db(db_name="MyDB")
   
   client.create_table(
       table_name="MyTable",
       table_fields=[
           {"name": "ID", "dataType": "INT", "primaryKey": True},
           {"name": "Doc", "dataType": "STRING"},
       ],
       indices=[
         {"name": "Index", "field": "Doc"},
       ]
   )
   
   client.insert(
       table_name="MyTable",
       records=[
           {"ID": 1, "Doc": "Jupiter is the largest planet..."},
           # 其他记录
       ],
   )
   
   client.query(
       table_name="MyTable",
       query_text="Celestial bodies...",
       limit=2
   )

主要特性

• 高性能和大规模的相似度搜索：适用于嵌入向量的搜索，速度十倍于传统的HNSW。
• 完整的数据库管理系统：支持数据库、表及字段等概念。
• 元数据过滤：增强数据查询的准确度。
• 混合搜索：集成稠密和稀疏向量的搜索。
• 自然语言嵌入：内置的嵌入支持，提供自然语言输入输出的搜索体验。
• 云原生架构：支持计算存储分离、无服务器化以及多租户。
• 丰富的生态集成：包括LangChain和LlamaIndex。
• 多种客户端支持：提供Python、JavaScript、Ruby客户端及REST API接口。

Epsilla云服务

用户可以通过Epsilla Cloud体验完全托管的向量数据库即服务。

实验性功能

用户可以在不启动Docker镜像的情况下，将Epsilla用作Python库。这需要自行构建Epsilla Python绑定库包，并运行相关测试。

在快速安装和配置这些工具与服务后，用户便能够利用Epsilla提供的强大向量搜索功能，从而更高效地进行大规模数据的处理和分析。