Pinecone 兼容向量搜索¶
MatrixOne Python SDK 提供 Pinecone 兼容接口,可用相近的调用方式执行向量相似度查询、元数据过滤、写入和删除。接口操作的是 MatrixOne 表,不会连接 Pinecone 云端服务。
前提条件¶
MatrixOne 实例正在运行,且已安装
matrixone-python-sdk。向量列使用
f32;写入和查询向量的维度必须与列定义一致。使用兼容接口前,先在目标向量列上创建 IVF 索引。
安装 SDK:
pip3 install matrixone-python-sdk
创建 IVF 索引并获取接口¶
先创建并写入表数据,再创建 IVF 索引。以下片段假定 client 已连接,且表中已有向量数据;示例使用教程中的表名和列名:
client.vector_ops.create_ivf(
"pinecone_demo_docs",
"idx_embedding_ivf",
"embedding",
lists=2,
op_type="vector_l2_ops",
)
pinecone_index = client.get_pinecone_index("pinecone_demo_docs", "embedding")
get_pinecone_index() 要求目标表和 IVF 索引已存在。列表数 lists 应结合数据规模评估;示例值 2 不是通用生产配置。
查询与过滤¶
query() 返回结果中的 matches。需要读取元数据时,显式设置 include_metadata=True:
results = pinecone_index.query(
vector=query_vector,
top_k=10,
include_metadata=True,
filter={"category": {"$eq": "AI"}},
)
for match in results.matches:
print(match.id, match.score, match.metadata)
支持的字段操作符包括 $eq、$ne、$lt、$gt、$lte、$gte、$in、$nin;逻辑操作符包括 $and 和 $or。相等比较也使用显式操作符,例如 {“category”: {“$eq”: “AI”}};不要把 {“category”: “AI”} 当作等值过滤语法。
如果需要在查询结果中返回向量值,再设置 include_values=True。默认情况下不返回元数据和向量值。
写入、删除和统计¶
pinecone_index.upsert([
{"id": 10, "category": "AI", "embedding": embedding_10},
])
pinecone_index.delete([10])
stats = pinecone_index.describe_index_stats()
upsert() 按 ID 插入或更新记录;delete() 可按 ID 批量删除。统计结果可用于查看向量总数和维度。
常见问题¶
维度不匹配:检查表中向量列维度,并确保每次 upsert 和 query 使用相同维度。
查询没有结果:先去掉过滤条件,确认索引中有向量,再逐步加回过滤条件。
没有返回元数据:在
query()中设置include_metadata=True。无法获取兼容接口:确认表、向量列和 IVF 索引均已创建。