Upserts bündeln

Vektordatenbanken für Einbettungen mit Pinecone

James Chapman

Curriculum Manager, DataCamp

Einschränkungen beim Upsert

Rate der Requests
Größe der Requests

Batching: Requests in kleinere Chunks aufteilen

Pinecone-Rate-Limits

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

Chunking-Funktion definieren

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))

Sequenzielles Batching

Requests aufteilen und nacheinander senden

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


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

Vorteile:

Löst Rate- und Größenlimits

Nachteile:

Sehr langsam!

Paralleles Batching

Requests aufteilen und parallel senden

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]

Lass uns üben!

Vektordatenbanken für Einbettungen mit Pinecone