Gestire gli indici

Database vettoriali per Embeddings con Pinecone

James Chapman

Curriculum Manager, DataCamp

Connessione all'indice

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')

Connessione all'indice

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}

Statistiche dell'indice

index.describe_index_stats()

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

Namespace

Contenitori per partizionare gli indici
- Dataset separati
- Versionamento dei dati
- Gruppi separati

Per ora concentrati sul caso a singolo namespace

Indici con diversi namespace al loro interno.

Organizzazioni

Un'organizzazione con due progetti, ognuno con i propri indici.

Organizzazioni

Un gruppo di proprietari dell'organizzazione.

Permessi su tutta l'org
Gestiscono fatturazione, utenti, tutti i progetti

Un proprietario con diversi utenti sotto di lui.

Permessi a livello org limitati
Invitati a progetti specifici
Diventano proprietari di quei progetti

Eliminare indici

pc.delete_index('datacamp-index')


pc.list_indexes()

{'indexes': []}

Ayo berlatih!

Database vettoriali per Embeddings con Pinecone