Pinecone indexlerine giriş

Pinecone ile Vektör Veritabanları ve Embeddings

James Chapman

Curriculum Manager, DataCamp

Şunları öğreneceksiniz...

Index oluşturma ve vektör alma
Vektörleri getirme ve sorgulama
Yaygın yapay zekâ uygulamaları oluşturma

→ GenAI uygulamaları kurma ve ölçekleme!

anlamsal arama

Indexler

Vektörleri depolar
Sorguları ve diğer vektör işlemlerini sunur
Index, her vektör için kayıt ve üst veri içerir
Birden fazla index oluşturabilirsiniz

Dört çekmeceli, her birinde çoklu klasörler olan bir dosya dolabı.

Pod Tabanlı

Bir pod içinde birkaç index.

Donanım seçip index oluşturun → podlar
Pod türü; depolama, sorgu gecikmesi, sorgu throughput belirler

Sunucusuz

Bulutta saklanan indexler.

Kaynak yönetimi yok
Indexler otomatik ölçeklenir
Bulutta çalışır, blob’da saklar
Daha kolay ve çoğunlukla daha düşük maliyetli

Bu derste kullanacağız

¹ https://docs.pinecone.io/guides/indexes/understanding-indexes

Pinecone API anahtarı oluşturma

Pinecone Starter hesabı oluşturun → pinecone.io
"API Keys" bölümüne gidin
API anahtarınızı kopyalayın

Pinecone ana sayfası

Pinecone'un API anahtarları sayfası

Sunucusuz bir index oluşturma

from pinecone import Pinecone, ServerlessSpec


pc = Pinecone(api_key="API_KEY")


pc.create_index(

    name='datacamp-index',

    dimension=1536,

    spec=ServerlessSpec(

        cloud='aws', 
        region='us-east-1'

    )

)

Indexlerimizi kontrol etme

pc.list_indexes()

{'indexes': [{'dimension': 1536,
              'host': 'datacamp-index-1eef0f4.svc.aped-4627-b74a.pinecone.io',
              'metric': 'cosine',
              'name': 'datacamp-index',
              'spec': {'serverless': {'cloud': 'aws', 'region': 'us-east-1'}},
              'status': {'ready': True, 'state': 'Ready'}}]}

Hadi pratik yapalım!

Pinecone ile Vektör Veritabanları ve Embeddings