Wsadowe upserty

Tworzenie aplikacji AI z Pinecone

James Chapman

Curriculum Manager, DataCamp

Ograniczenia upsertów

Częstotliwość żądań
Rozmiar żądań

Batching: dzielenie żądań na mniejsze fragmenty

Limity częstotliwości Pinecone

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

Definiowanie funkcji podziału na fragmenty

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))

Przetwarzanie sekwencyjne

Podział żądań i wysyłanie ich sekwencyjnie jedno po drugim

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


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

Zalety:

Eliminuje limity częstotliwości i rozmiaru

Wady:

Bardzo wolne!

Przetwarzanie równoległe

Podział żądań i wysyłanie ich równolegle

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]

Czas na ćwiczenia!

Tworzenie aplikacji AI z Pinecone