Gestion des index

Bases de données vectorielles pour les intégrations avec Pinecone

James Chapman

Curriculum Manager, DataCamp

Connexion à l’index

pc = Pinecone(api_key="API_KEY")

pc.create_index(
    name='datacamp-index',
    dimension=1536,
    spec=ServerlessSpec(
        cloud='aws', 
        region='us-east-1'
    )
)


index = pc.Index('datacamp-index')

Connexion à l’index

index = pc.Index('datacamp-first')

...
pinecone.core.client.exceptions.NotFoundException: (404)
Reason: Not Found
HTTP response headers: HTTPHeaderDict({'content-type': 'text/plain; charset=...
HTTP response body: {"error":{"code":"NOT_FOUND","message":"Resource datacamp-first
not found"},"status":404}

Statistiques de l’index

index.describe_index_stats()

{'dimension': 1536,
 'index_fullness': 0.0,
 'namespaces': {},
 'total_vector_count': 0}

Namespaces

Conteneurs pour partitionner les index
- Séparer les jeux de données
- Versionner les données
- Séparer les groupes

Pour l’instant, concentrons-nous sur un seul namespace

Des index avec plusieurs namespaces à l’intérieur.

Organisations

Une organisation avec deux projets, chacun avec ses index.

Organisations

Un groupe de propriétaires d’organisation.

Droits sur toute l’org.
Gèrent la facturation, les utilisateurs, tous les projets

Un propriétaire avec plusieurs utilisateurs en dessous.

Droits org limités
Invités à des projets spécifiques
Deviennent propriétaires de ces projets

Suppression d’index

pc.delete_index('datacamp-index')


pc.list_indexes()

{'indexes': []}

Passons à la pratique !

Bases de données vectorielles pour les intégrations avec Pinecone