벡터 쿼리

Pinecone로 AI 애플리케이션 구축하기

James Chapman

Curriculum Manager, DataCamp

쿼리의 힘

쿼리: 입력 벡터와 의미적으로 유사한 벡터를 반환합니다

사용자 입력을 임베딩하여 Pinecone 벡터 DB에 쿼리하는 과정.

.query() 메서드

index.query(

  vector=[-0.250919762305275, ...],

  top_k=3

)

{'matches': [{'id': '1', 'score': 0.0478537641, 'values': []},
             {'id': '2', 'score': 0.046000585, 'values': []},
             {'id': '3', 'score': 0.0458319113, 'values': []}],
 'namespace': '',
 'usage': {'read_units': 5}}

.query() 메서드

index.query(
    vector=[-0.250919762305275, ...],
    top_k=3,

    include_values=True

)

{'matches': [{'id': '1', 'score': 0.0478537641, 'values': [-0.0131468913, ...]},
             {'id': '2', 'score': 0.046000585, 'values': [-0.0120476764, ...]},
             {'id': '3', 'score': 0.0458319113, 'values': [0.00285418332, ...]}],
 'namespace': '',
 'usage': {'read_units': 5}}

쿼리의 Read Unit(RU)

쿼리의 RU는 계산이 더 어렵습니다
다음에 따라 달라집니다:
- 네임스페이스의 레코드 수
- 레코드 크기
  - 벡터 차원 수
  - 메타데이터 양

쿼리 시 소비되는 RU 표.

¹ https://docs.pinecone.io/guides/organizations/manage-cost/understanding-cost#query

거리 메트릭

코사인 유사도: 두 벡터 사이의 각도.

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

거리 메트릭

유클리디안 거리: 두 벡터 간 직선 거리.

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

거리 메트릭

내적: 두 벡터 각도에서 계산되는 값.

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

거리 메트릭 설정

pc.create_index(
    name="datacamp-index", 
    dimension=1536,

    metric='dotproduct',

    spec=ServerlessSpec(
        cloud='aws', 
        region='us-east-1'
    )
)

metric → 'cosine', 'euclidean', 'dotproduct'

이제 직접 쿼리해 보세요!

Pinecone로 AI 애플리케이션 구축하기