Fazendo upserts em lote

Bancos de dados vetoriais para incorporações com Pinecone

James Chapman

Curriculum Manager, DataCamp

Limitações de upsert

Taxa de requisições
Tamanho das requisições

Lotes: dividir requisições em blocos menores

Limites de taxa do Pinecone

¹ https://docs.pinecone.io/reference/quotas-and-limits#rate-limits

Definindo uma função de chunk

def chunks(iterable, batch_size=100):

    it = iter(iterable)

    chunk = tuple(itertools.islice(it, batch_size))

    while chunk:

        yield chunk

        chunk = tuple(itertools.islice(it, batch_size))

Lotes sequenciais

Dividir requisições e enviar sequencialmente, uma a uma

pc.Pinecone(api_key="YOUR API KEY")
index = pc.Index('datacamp-index')


for chunk in chunks(vectors):
    index.upsert(vectors=chunk)

Prós:

Resolve limites de taxa e tamanho

Contras:

Bem lento!

Lotes em paralelo

Dividir requisições e enviar em paralelo

pc = Pinecone(api_key="YOUR_API_KEY", pool_threads=30)


with pc.Index('datacamp-index', pool_threads=30) as index:

    async_results = [index.upsert(vectors=chunk, async_req=True)
        for chunk in chunks(vectors, batch_size=100)]


    [async_result.get() for async_result in async_results]

Vamos praticar!

Bancos de dados vetoriais para incorporações com Pinecone