向量数据库Chroma初步了解学习记录

前言

一、Chroma是什么？

二、使用步骤

1.安装

2.连接Chroma

内存模式

client模式

Server模式

3.创建数据集

4.写入数据

5.查询数据

6.完整代码

7.更多参考

三、瞅瞅chroma之sqlite

总结

前言

大模型很强大，但是大模型也存在知识的局限性，即大模型的知识受限于大模型训练日期，大模型的知识是有截止日期的，不是实时的；再一个有些数据是私有的，大模型也无从知晓。

那么RAG就有了用武之地。而Rag这块就不得不提到向量数据库。

虽然传统数据库也可以进行数据查询检索，但是传统数据库是基于关键词，是没有语义理解的。而向量数据库可以进行语义理解，本质上其实是将语言文字做了向量化，即语义空间，语义相近的向量信息也接近。

向量数据库目前也有很多产品，入门简单的首推Chroma，今天就介绍下

一、Chroma是什么？

ChromaDB（也称为Chroma）是一个开源的向量数据库，主要用于AI和机器学习场景。它的主要功能是存储和查询向量数据，这些数据通常是通过嵌入（embedding）算法从文本、图像等数据转换而来的。ChromaDB的设计目标是简化大模型应用的构建过程，允许开发者轻松地将知识、事实和技能等文档整合进大型语言模型（LLM）中。

ChromaDB的特点包括：

轻量级: 它是一个基于向量检索库实现的轻量级向量数据库。
易用性: 提供简单的API，易于集成和使用。
功能丰富: 支持存储嵌入及其元数据、嵌入文档和查询、搜索嵌入等功能。
集成: 可以直接插入LangChain、LlamaIndex、OpenAI等。
多语言支持: 包括Python和JavaScript客户端SDK。
开源: 采用Apache 2.0开源许可。

ChromaDB的一些限制包括目前只支持CPU计算，不支持GPU加速，且功能相对简单。不过，它计划未来推出托管产品，提供无服务器存储和检索功能，支持向上和向下扩展，让开发者更易于使用。

二、使用步骤

1.安装

ChromaDB的安装简单，可以通过pip或npm进行安装。在Python中，可以通过运行pip install chromadb来安装ChromaDB。

2.连接Chroma

内存模式

数据存在内存，程序运行完数据也就没了

import chromadb
from chromadb.config import Settings

chroma_client = chromadb.Client(Settings(allow_reset=True))

# 为了演示，实际不需要每次 reset()
# chroma_client.reset()

client模式

直接连接本地数据库文件，类似sqlite（看了下，Chroma底层存储就是基于sqlite，后面可以简单说下）

import chromadb
# chroma_client = chromadb.Client()
chroma_client = chromadb.PersistentClient(path="E:\Data\chroma\mydb.db")

Server模式

cmd

chroma run --path E:\Data\chroma\test

这个时候会以命令中指定的路径，创建数据库文件，并启动Chroma服务

回到代码

import chromadb
chroma_client = chromadb.HttpClient(host='localhost', port=8000)

3.创建数据集

collection类似关系型数据库的表

collection = chroma_client.get_or_create_collection(name=collection_name)

4.写入数据

collection.add(
        # embeddings=self.embedding_fn(documents),  # 每个文档的向量
        documents=documents,  # 文档的原文
        ids=[f"id{i}" for i in range(len(documents))]  # 每个文档的 id
    )

embeddings参数是文档的向量，这里一般需要调用大模型的embedding模型接口

如果不设置，那么会使用内置的embedding模型

5.查询数据

res=collection.query(
        query_texts=["查询内容"],
        n_results=5
    )

6.完整代码

import chromadb

# collection名称
collection_name="test_01"

def init_db_client():
    """初始化数据库客户端"""
    chroma_client = chromadb.HttpClient(host='localhost', port=8000)
    return chroma_client

def create_collection(collection_name):
    """创建collection"""
    chroma_client = init_db_client()
    collection=chroma_client.get_or_create_collection(name=collection_name)
    return collection

def add_documents(collection, documents):
    """写入数据"""
    collection.add(
        # embeddings=self.embedding_fn(documents),  # 每个文档的向量
        documents=documents,  # 文档的原文
        ids=[f"id{i}" for i in range(len(documents))]  # 每个文档的 id
    )

def db_test():
    collection = create_collection(collection_name)
    datas=[
        "小明喜欢吃苹果", 
        "小红喜欢吃榴莲",
        "小明的女朋友是小丽",
        "王老师是一个好老师",
        "小李喜欢吃香蕉",
        "小王的男朋友是大帅哥"
    ]

    add_documents(collection, datas)

    # 查询数据
    res=collection.query(
        query_texts=["谁是老师"],
        n_results=5
    )

    print(res)

db_test()