LangChain

MyScale#

本页面介绍如何在LangChain中使用MyScale向量数据库。分为两部分：安装和设置，以及对特定MyScale包装器的引用。

使用MyScale，您可以管理结构化和非结构化（向量化)数据，并使用SQL对两种类型的数据进行联合查询和分析。此外，MyScale的云原生OLAP架构，建立在ClickHouse之上，即使在大规模数据集上也能实现闪电般快速的数据处理。

介绍#

MyScale和高性能向量搜索概述 (opens in a new tab)

您现在可以在我们的SaaS上注册并立即启动一个集群 (opens in a new tab)！

如果您也对我们如何整合SQL和向量感兴趣，请参考此文档 (opens in a new tab)获取更多语法参考。

我们还提供有关Huggingface的实时演示！请查看我们的huggingface空间 (opens in a new tab)！他们可以在眨眼之间搜索数百万个向量！

安装和设置#

使用pip install clickhouse-connect安装Python SDK。

设置环境变量#

有两种方法可以设置myscale索引的参数。

环境变量

在运行应用程序之前，请使用export设置环境变量: export MYSCALE_URL='<your-endpoints-url>' MYSCALE_PORT=<your-endpoints-port> MYSCALE_USERNAME=<your-username> MYSCALE_PASSWORD=<your-password> ...

您可以在我们的SaaS上轻松找到您的帐户、密码和其他信息。有关详细信息，请参见此文档 (opens in a new tab) MyScaleSettings下的每个属性都可以用前缀MYSCALE_设置，并且不区分大小写。 2. 使用参数创建MyScaleSettings对象

from langchain.vectorstores import MyScale, MyScaleSettings
config = MyScaleSetting(host="<your-backend-url>", port=8443, ...)
index = MyScale(embedding_function, config)
index.add_documents(...)

包装器#

支持的函数：

add_texts
add_documents
from_texts
from_documents
similarity_search
近似相似度搜索
向量相似度搜索
近似向量相似度搜索
带相关度分数的相似度搜索

向量存储#

有一个MyScale数据库的包装器，允许您将其用作向量存储，无论用于语义搜索还是类似的示例检索。

要导入此向量存储：

from langchain.vectorstores import MyScale

有关MyScale包装器的更详细演示，请参见此教程

Modal Nlpcloud