Multi‑locataires et espaces de noms

Bases de données vectorielles pour les intégrations avec Pinecone

James Chapman

Curriculum Manager, DataCamp

Multi‑locataires

Servir plusieurs locataires en isolation
Séparer les données des clients
- Sécurité et confidentialité
Réduire la latence des requêtes

Stratégies multi‑locataires

Espaces de noms
- Avantages : réduit le besoin d’index supplémentaires
- Inconvénients : ressources partagées, données complexes
Filtrage par métadonnées
- Avantages : permet d’interroger plusieurs locataires
- Inconvénients : ressources partagées, suivi des coûts difficile
Index séparés
- Avantages : sépare physiquement les locataires, ressources dédiées
- Inconvénients : plus d’efforts et de coûts

Espaces de noms

Créés implicitement lors de l’upsert s’ils n’existent pas

index.upsert(
  vectors=vector_set1, namespace="namespace1"
)

index.upsert(
  vectors=vector_set2, namespace="namespace2"
)

Inspecter les espaces de noms

index.describe_index_stats()

{'dimension': 1536,
 'index_fullness': 0.0,
 'namespaces': {'namespace1': {'vector_count': 5},
                'namespace2': {'vector_count': 5}},
 'total_vector_count': 10}

Interroger des vecteurs par espace de noms

query_result = index.query(
    vector=vector,

    namespace='namespace1',

    top_k=3
)

Supprimer des vecteurs d’un espace de noms

index.delete(
    ids=["1", "2"],
    namespace='namespace1'
)

Passons à la pratique !

Bases de données vectorielles pour les intégrations avec Pinecone