Indexen beheren

Vector-databases voor embeddings met Pinecone

James Chapman

Curriculum Manager, DataCamp

Verbinden met de 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')

Verbinden met de 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}

Indexstatistieken

index.describe_index_stats()

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

Namespaces

Containers om indexen te partitioneren
- Gescheiden datasets
- Dataversiebeheer
- Gescheiden groepen

Focus nu op één namespace

Indexen met meerdere namespaces erin.

Organisaties

Een organisatie met twee projecten, elk met eigen indexen.

Organisaties

Een groep organisatie-eigenaars.

Rechten over de hele org
Beheer facturatie, gebruikers, álle projecten

Een eigenaar met meerdere gebruikers eronder.

Beperkte org-rechten
Uitgenodigd voor specifieke projecten
Wordt eigenaar van die projecten

Indexen verwijderen

pc.delete_index('datacamp-index')


pc.list_indexes()

{'indexes': []}

Laten we oefenen!

Vector-databases voor embeddings met Pinecone