AnalyticDB:ベクトルエンジンのクイックスタート

無料トライアル

Alibaba Cloud は、ストレージ弾力性モードのインスタンスに対して無料トライアルを提供しています。AnalyticDB for PostgreSQL を初めてご利用になる場合は、Alibaba Cloud 無料トライアル にアクセスして無料トライアルを申請できます。無料トライアルの対象でない場合は、このトピックの手順に従ってコンソールでインスタンスを作成してください。

インスタンスの作成

1. AnalyticDB for PostgreSQL コンソールにログインします。

2. ページの右上隅にある インスタンス作成 をクリックして購入ページを開きます。

3. インスタンス購入ページで、コアパラメーターを設定してインスタンスタイプを迅速に選択します。その他のパラメーターはデフォルト値のままでかまいません。パラメーターの詳細については、「インスタンスの作成」をご参照ください。

   設定項目	説明	このチュートリアルの例
   製品タイプ	サブスクリプション：これはサブスクリプション課金方法です。インスタンス作成時に前払いします。この方法は長期利用に適しており、従量課金よりもコスト効率が高いです。サブスクリプション期間が長いほど、割引率が高くなります。 従量課金：これは後払いの課金方法です。時間単位で課金されます。この方法は短期利用に適しています。使用後すぐにインスタンスをリリースしてコストを節約できます。	従量課金
   リージョンとゾーン	インスタンスの地理的な場所です。 インスタンス作成後にリージョンとゾーンを変更することはできません。接続したい ECS インスタンスと同じリージョンにインスタンスを作成してください。これにより、イントラネット経由でのサービス相互接続が可能になります。	中国 (杭州): ゾーン J
   インスタンスリソースタイプ	伸縮ストレージモード: 独立したディスクのスケールアウトおよびスムーズなオンラインスケールアウトをサポートします。 Serverless Pro：必要なコンピューティングリソースのみを指定します。ストレージリソースを予約する必要はありません。	ストレージ弾力性モード
   データベースエンジンバージョン	より豊富な機能を利用するには、7.0 Standard Edition を選択してください。6.0 Standard Edition もサポートされています。	7.0 Standard Edition
   インスタンスエディション	高パフォーマンス (Basic Edition)：ほとんどのビジネス分析シナリオに適しています。 高可用性エディション：コアビジネスサービスに推奨されます。	高パフォーマンス (Basic Edition)
   ベクトルエンジン最適化	[有効化] を選択します。	有効化
   Virtual Private Cloud	VPC の ID を選択します。 同じリージョン内の ECS インスタンスとイントラネット経由で相互接続するには、ECS インスタンスと同じ VPC を選択します。既存の VPC を選択するか、ページ上のプロンプトに従って VPC と vSwitch を作成できます。	vpc-xxxx
   vSwitch	VPC 内の vSwitch を選択します。利用可能な vSwitch がない場合、そのゾーンに利用可能な vSwitch リソースはありません。別のゾーンに切り替えるか、ページ上のプロンプトに従って現在のゾーンに vSwitch を作成 できます。	vsw-xxxx

4. [今すぐ購入] をクリックし、注文情報を確認して [今すぐ有効化] をクリックします。

5. 支払いが完了したら、[管理コンソール] をクリックしてインスタンスリストに移動し、新しいインスタンスを表示します。

   説明

   AnalyticDB for PostgreSQL インスタンスの初期化には時間がかかります。次の手順に進む前に、インスタンスのステータスが [実行中] に変わるまでお待ちください。

初期アカウントの作成

1. 左側のナビゲーションウィンドウで、[アカウント管理] をクリックします。

2. 初期アカウントの作成 をクリックします。アカウントの作成 ウィンドウで、アカウント名を入力し、パスワードを設定してから OK をクリックします。

   パラメーター	説明
   アカウント	初期アカウントの名前です。 小文字、数字、アンダースコア (_) を含める必要があります。 小文字で始まり、小文字または数字で終わる必要があります。 gp で始めることはできません。 長さは 2～16 文字である必要があります。
   [新しいパスワード] と [パスワードの確認]	初期アカウントのパスワードです。 次の文字タイプのうち、少なくとも 3 種類を含める必要があります：大文字、小文字、数字、特殊文字。 特殊文字には ! @ # $ % ^ & * ( ) _ + - = が含まれます。 長さは 8～32 文字である必要があります。 重要 セキュリティのため、パスワードは定期的に変更し、古いパスワードの再利用は避けてください。

ホワイトリストの設定

1. インスタンス詳細ページの左側のナビゲーションウィンドウで、セキュリティコントロール をクリックします。

2. グループの追加 をクリックし、次のパラメーターを設定します。

   設定	説明
   ホワイトリスト名	新しいホワイトリストグループの名前です。名前は次の要件を満たす必要があります。 小文字、数字、アンダースコア (_) で構成されていること。 小文字で始まり、小文字または数字で終わること。 長さが 2～32 文字であること。
   IP アドレス	ホワイトリストに追加する IP アドレスです。次の点にご注意ください。 複数の IP アドレスはカンマ (,) で区切ります。最大 999 個の一意の IP アドレスを追加できます。 サポートされている形式は、10.23.12.24 のような特定の IP アドレスと、10.23.12.24/24 のような CIDR ブロックです。CIDR は Classless Inter-Domain Routing の略です。スラッシュ (/) の後の数字はプレフィックス長を示し、1 から 32 の範囲で指定できます。 プレフィックス長を 0 に設定した場合 (例：0.0.0.0/0 または 127.0.0.1/0)、すべての IP アドレスがインスタンスにアクセスできます。これは高いセキュリティリスクをもたらすため、この設定は慎重に使用してください。 IP アドレス 127.0.0.1 は、すべての外部 IP アドレスからのアクセスをブロックします。

3. OK をクリックします。

データベースへの接続

このセクションでは、psql ツールを例に、データベースへのログイン方法を説明します。他のツールを使用した接続方法については、「クライアント接続」をご参照ください。

1. psql をインストールします。

   1. psql ツールをダウンロードします。

      wget https://docs-aliyun.cn-hangzhou.oss.aliyun-inc.com/assets/attach/181125/cn_zh/1598426198114/adbpg_client_package.el7.x86_64.tar.gz

      上記のダウンロードコマンドは、クライアントのオペレーティングシステムが RHEL 7 または CentOS 7 の場合にのみ適用されます。他のバージョンの psql ツールを使用するには、「クライアント接続」をご参照ください。

   2. psql ツールを解凍します。

      tar -xzvf adbpg_client_package.el7.x86_64.tar.gz

   3. psql ツールが格納されているディレクトリに移動します。

      cd adbpg_client_package/bin

2. データベースにログインします。

   ./psql -h <Endpoint of the AnalyticDB for PostgreSQL instance> -p 5432 -d <Database to connect to> -U <Account of the AnalyticDB for PostgreSQL instance>

   エンドポイントを取得するには：

   • クライアントが AnalyticDB for PostgreSQL インスタンスと同じリージョン、同じネットワークタイプの ECS インスタンスにデプロイされている場合、内部エンドポイントを使用して接続できます。AnalyticDB for PostgreSQL コンソールにログインし、対象インスタンスの ID をクリックしてインスタンス詳細ページを開きます。左側のナビゲーションウィンドウで [基本情報] をクリックします。データベース接続情報 セクションで、内部エンドポイント を表示できます。

   • クライアントと AnalyticDB for PostgreSQL インスタンスが異なるリージョン、異なるネットワークタイプの ECS インスタンス、または Alibaba Cloud 以外のシステムにデプロイされている場合は、パブリックエンドポイントをリクエストして接続する必要があります。詳細については、「パブリックエンドポイントの管理」をご参照ください。

   以下は接続コマンドの例です。

   psql -h gp-bp13zq652yy4p****-master.gpdb.rds.aliyuncs.com -p 5432 -d postgres -U testuser

   Enter キーを押し、パスワードを入力します。システムに postgres=> と表示されたら、接続は成功です。

SQL を使用したベクトルデータのインポート

1. FastANN ベクトル取得拡張機能がインストールされていることを確認します。

   \dx fastann コマンドを実行して、拡張機能がインストールされているかどうかを確認できます。FastANN 拡張機能に関する情報が返された場合、拡張機能はインストールされています。情報が返されない場合は、チケットを送信してインストールをリクエストしてください。

2. テストデータをダウンロードできます。

   テスト目的で、AnalyticDB for PostgreSQL はサンプルデータを提供しています。データをダウンロードするには、vector_sample_data.csv をクリックしてください。

   サンプルデータテーブルのスキーマは次のとおりです。

   フィールド	タイプ	説明
   id	bigint	ID。
   market_time	timestamp	車の発売時期。
   color	varchar(10)	車の色。
   price	int	車の価格。
   feature	float4[]	車の写真の特徴ベクトル。

   Linux サーバーでサンプルデータをダウンロードするコマンドは次のとおりです。

   wget https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20230606/uzkx/vector_sample_data.csv

3. データをインポートします。

   1. データベースを作成して切り替えます。

      -- testdb という名前のデータベースを作成します。
      CREATE DATABASE testdb;
      
      -- データベースに切り替えます。
      \c testdb

   2. サンプルデータに基づいてベクトルフィールドを含むテーブルを作成します。

      CREATE SCHEMA IF NOT EXISTS vector_test;
      CREATE TABLE IF NOT EXISTS vector_test.car_info
      (
        id bigint NOT NULL,
        market_time timestamp,
        color varchar(10),
        price int,
        feature float4[],
        PRIMARY KEY(id)
      ) 
      USING heap -- インスタンス作成時にベクトル検索エンジン最適化が有効になっている場合、デフォルトのエンジンは heap です。
      DISTRIBUTED BY(id);

   3. インデックスを作成します。

      このチュートリアルでは、車の発売時期、色、価格などのフィールドに構造化インデックスを作成し、車の写真の特徴ベクトルにベクトルインデックスを作成します。

      -- ベクトルフィールドのストレージ形式を PLAIN に変更します。
      ALTER TABLE vector_test.car_info ALTER COLUMN feature SET STORAGE PLAIN;
      
      -- 構造化インデックスを作成します。
      CREATE INDEX ON vector_test.car_info(market_time);
      CREATE INDEX ON vector_test.car_info(color);
      CREATE INDEX ON vector_test.car_info(price);
      
      -- ベクトルインデックスを作成します。
      CREATE INDEX ON vector_test.car_info USING ann(feature) WITH (dim='10', pq_enable='0');

   4. サンプルデータをデータテーブルにロードします。

      \COPY vector_test.car_info FROM '/DATA_PATH/vector_sample_data.csv';

      例の /DATA_PATH/vector_sample_data.csv を、サンプルデータファイルが保存されているパスに置き換えてください。たとえば、サンプルデータが /home ディレクトリにダウンロードされた場合、パスは /home/vector_sample_data.csv となります。

      データがインポートされると、システムは COPY 10000 を返します。

ベクトル分析

このチュートリアルでは、二乗ユークリッド距離、内積距離、コサイン類似度を取得する方法の例を挙げて、ベクトル分析を実演します。

SELECT id, l2_squared_distance(feature, array[0.495181661387,0.108697291209,0.181728549067,0.109680543346,0.19713082404,0.0197809514512,0.534227452778,0.442411970815,0.409909873031,0.0975687394505]::float4[]) AS distance 
  FROM vector_test.car_info 
  ORDER BY feature <-> array[0.495181661387,0.108697291209,0.181728549067,0.109680543346,0.19713082404,0.0197809514512,0.534227452778,0.442411970815,0.409909873031,0.0975687394505]::float4[] 
  LIMIT 10;

  id  |      distance
------+--------------------
    2 |                  0
 1331 | 0.0677967891097069
 1543 |  0.079616591334343
 5606 | 0.0892329216003418
 6423 | 0.0894578248262405
 1667 | 0.0903968289494514
 8215 | 0.0936210229992867
 7801 | 0.0952572822570801
 2581 | 0.0965127795934677
 2645 | 0.0987173467874527
(10 rows)

SELECT id, dp_distance(feature, array[0.495181661387,0.108697291209,0.181728549067,0.109680543346,0.19713082404,0.0197809514512,0.534227452778,0.442411970815,0.409909873031,0.0975687394505]::float4[]) AS similarity 
  FROM vector_test.car_info 
  ORDER BY feature <-> array[0.495181661387,0.108697291209,0.181728549067,0.109680543346,0.19713082404,0.0197809514512,0.534227452778,0.442411970815,0.409909873031,0.0975687394505]::float4[] 
  LIMIT 10;

  id  |    similarity
------+-------------------
    2 |                 1
 1331 | 0.966101586818695
 1543 | 0.960191607475281
 5606 | 0.955383539199829
 6423 | 0.955271065235138
 1667 | 0.954801559448242
 8215 | 0.953189492225647
 7801 |  0.95237135887146
 2581 | 0.951743602752686
 2645 | 0.950641334056854
(10 rows)

SELECT id, dp_distance(feature, array[0.495181661387,0.108697291209,0.181728549067,0.109680543346,0.19713082404,0.0197809514512,0.534227452778,0.442411970815,0.409909873031,0.0975687394505]::float4[]) AS similarity 
  FROM vector_test.car_info 
  WHERE market_time >= '2020-10-30 00:00:00' 
  AND market_time < '2021-01-01 00:00:00' 
  AND color in ('red', 'white', 'blue') 
  AND price < 100 
  ORDER BY feature <-> array[0.495181661387,0.108697291209,0.181728549067,0.109680543346,0.19713082404,0.0197809514512,0.534227452778,0.442411970815,0.409909873031,0.0975687394505]::float4[] 
  LIMIT 10;

  id  |    similarity
------+-------------------
 7645 | 0.922723233699799
 8956 | 0.920517802238464
 8219 |  0.91210675239563
 8503 | 0.895939946174622
 5113 | 0.895431876182556
 7680 | 0.893448948860168
 8433 | 0.893425941467285
 3604 |  0.89293098449707
 3945 | 0.891274154186249
 7153 | 0.891128540039062
(10 rows)