Recuperando vetores

Bancos de dados vetoriais para incorporações com Pinecone

James Chapman

Curriculum Manager, DataCamp

Recapitulando...

Um índice sendo criado.

Recapitulando...

Vários registros sendo ingeridos no índice. A ocupação do índice aumenta após a adição.

Acessando vetores

Fetching

Recupera vetores pelos seus IDs

Um livro sendo recuperado pelo ISBN.

Querying

Recupera vetores similares a um vetor de entrada

Recomendações de livros da Amazon.

Fazendo fetch de vetores

index.fetch(

    ids=['0', '1']

)

{'namespace': '',
 'usage': {'read_units': 1},
 'vectors': {'0': {'id': '0',
                   'metadata': {"genre": "produtividade", "year": 2020},
                   'values': [0.025525547564029694, ...]},
             '1': {'id': '1',
                   'metadata': {"genre": "ação", "year": 2023},
                   'values': [-0.0131468913, ...]}}
}

¹ https://docs.pinecone.io/guides/data/fetch-data

Unidades de leitura

Medida de recursos consumidos em leituras:
- Fetching → 1 RU / 10 registros
- Querying
- Listing

Preços da conta inicial da Pinecone.

¹ https://www.pinecone.io/pricing/

Buscando vetores em namespaces

index.fetch(
    ids=['0', '1']

    namespace='namespace1'

)

{'namespace': 'namespace1',
 'usage': {'read_units': 1},
 'vectors': {'0': {'id': '0',
                   'metadata': {"genre": "produtividade", "year": 2020},
                   'values': [0.025525547564029694, ...]},
             '1': {'id': '1',
                   'metadata': {"genre": "ação", "year": 2023},
                   'values': [-0.0131468913, ...]}}
}

Vamos praticar!

Bancos de dados vetoriais para incorporações com Pinecone