PostgreSQL向量检索之pgvector入门实战指南_MsSqlserver

一. 什么是 pgvector？

pgvector 是 postgresql 的开源扩展，用于在数据库中存储和处理向量数据，特别是高维嵌入向量（embedding）。

功能与特点

向量存储：可将向量数据直接存入表中。
距离计算：支持 l2（欧氏距离）、inner product（内积）、cosine（余弦相似度）等。
最近邻搜索：支持精确搜索和近似搜索（ivfflat / hnsw）。
兼容 sql：可以直接与表中的其他列一起做查询、过滤和排序。
可扩展性：适合中小规模向量存储，也能应对大数据量场景。

二. 为什么选择 postgresql + pgvector？

数据整合：向量与原始数据存放在同一数据库，无需单独部署向量数据库。
事务和安全：继承 postgresql 的事务、权限控制、备份与复制机制。
易于扩展：可以直接使用 sql 做 join、过滤条件，实现混合检索。
降低维护成本：只需要维护一个数据库系统，减少运维复杂度。
可视化和监控：可以使用 postgresql 现有工具进行监控和分析。

三. 安装与启用

确保 postgresql 支持扩展（通常 postgresql 13+）
安装 pgvector

启用扩展：

create extension if not exists vector;

验证安装：

select * from pg_extension where extname='vector';

成功后即可在表中创建向量列。

四. 基本数据结构

向量列类型：vector 或 vector(n)，其中 n 是向量维度。
示例表结构：

create table documents (
    id bigserial primary key,
    embedding vector(3) -- 假设嵌入向量是 3 维
);

小贴士：向量列的维度必须固定，查询和索引时保持一致。

五. 基本操作

5.1 插入向量

insert into documents (embedding) values ('[1,2,3]'), ('[4,5,6]'),('[4,0,5]');

5.2 查询向量最近邻

-- 使用 l2 距离
select id,embedding <-> '[1,2,3]' as score,embedding from documents order by embedding <-> '[1,2,3]' limit 5;

根据score的得分，就能查询出相近的向量，值越小代表越相似，算法如下
公式

5.3 常用距离运算符

操作符	相似度度量	说明	推荐场景	值越小代表
`<->`	欧氏距离 (l2 distance)	计算两个向量之间的几何距离	图像、音频、地理数据检索	越相似
`<#>`	负内积 (- inner product)	取负号后的内积，用于最大内积搜索	推荐系统、模型打分	越相似
`<=>`	余弦距离 (cosine distance)	1 - 余弦相似度，对向量长度不敏感	文本语义检索、跨语言向量匹配	越相似

后面会出一篇关于这些运算符计算使用的文章

5.4 其他操作

# 向现有表中添加向量列
alter table items add column embedding vector(3);
# 更新向量
update items set embedding = '[1,2,3]' where id = 1;
# 删除向量
update items set embedding = '[1,2,3]' where id = 1;

六. python 示例

使用 pgvector-python 或 psycopg2 处理向量：

import numpy as np
import psycopg2
from pgvector.psycopg2 import register_vector
# 连接数据库
conn = psycopg2.connect(host='192.168.1.101', dbname='test-agent', user='postgres', password='123456', port=5433)
register_vector(conn)  # 注册 vector 类型
cur = conn.cursor()
# 插入示例向量
embedding = np.random.rand(3).astype('float32')
print(embedding)
cur.execute(
    "insert into documents (embedding) values (%s)",
    (embedding,)  # 注意这里的逗号，确保是元组格式
)
conn.commit()
# 查询最近邻
query_embedding = np.random.rand(3).astype('float32')
print(query_embedding)
cur.execute(
    "select id, embedding,embedding <-> %s as score  from documents order by embedding <-> %s limit 5",
    (query_embedding, query_embedding,)
)
rows = cur.fetchall()
for r in rows:
    print(r)
cur.close()
conn.close()