云数据库 RDS：向量生成（rds_embedding）

背景

嵌入（embedding）是指将高维数据映射为低维表示的过程。在机器学习和自然语言处理中，嵌入通常用于将离散的符号或对象表示为连续的向量空间中的点。

在生成嵌入时，向量数据的值取决于所参照的模型数据，RDS PostgreSQL支持使用rds_embedding插件，将数据库中的文本内容，基于引入的外部模型，生成对应的向量数据，还支持使用向量相似度运算符，计算数据库内文本与模型中指定文本的相似度，实现更多业务场景。

前提条件

• 请确保实例大版本满足要求，本插件具体支持的实例大版本，请参见支持插件列表。

• 如实例大版本已满足要求，但仍提示不支持，请升级内核小版本，具体操作，请参见升级内核小版本。

• 本文使用的模型为开源OpenAI提供的Embeddings模型，请确保您具备API Key，并且RDS PostgreSQL实例所处地域支持访问OpenAI，本文示例实例所处地域为新加坡。

• RDS PostgreSQL数据库默认不具备访问外部网络的能力，因此，需要为RDS PostgreSQL实例所属的VPC配置NAT网关，使其允许访问外部模型。NAT网关相关信息，请参见使用公网NAT网关SNAT功能访问互联网。

  NAT网关配置步骤

  1. 创建NAT网关。

     1. 登录NAT网关管理控制台。

     2. 在公网NAT网关页面，单击创建NAT网关。

     3. （可选）首次使用NAT网关时，在创建NAT网关页面关联角色创建区域，单击创建关联角色，创建服务关联角色。角色创建成功后即可创建NAT网关。

     4. 在创建公网NAT网关页面，配置以下购买信息，然后单击立即购买。

        说明

        下表仅列出关键参数，所有参数的具体信息，请参见使用公网NAT网关SNAT功能访问互联网。

        配置	说明
        所属地域	选择需要创建公网NAT网关的地域，需要与RDS PostgreSQL实例同一地域。
        所属专有网络	选择公网NAT网关实例所属的VPC，需要与RDS PostgreSQL实例的VPC相同。您可以前往RDS管理控制台的数据库连接页面，查看目标实例的VPC。
        关联交换机	选择公网NAT网关实例所属的交换机，需要与RDS PostgreSQL实例的交换机相同。您可以前往RDS管理控制台的数据库连接页面，查看目标实例的交换机。
        访问模式	本文选择稍后配置。

     5. 在确认订单页面确认公网NAT网关的配置信息，选中服务协议并单击确认订单。

        创建成功后，您可以在公网NAT网关页面查看已创建的公网NAT网关实例。

  2. 为公网NAT网关绑定公网IP（EIP）。

     1. 在NAT网关管理控制台页面，找到新建的公网NAT网关实例，单击实例ID，进入基本信息页。

     2. 切换至绑定的弹性公网IP页签，单击绑定弹性公网IP。

     3. 在绑定弹性公网IP弹窗中，选择新购弹性公网IP并绑定。

     4. 单击确定。

        绑定成功后，在绑定的弹性公网IP处查看已绑定的弹性公网IP。

  3. 创建SNAT条目。

     1. 在NAT网关管理控制台页面，找到新建的公网NAT网关实例，单击实例ID，进入基本信息页。

     2. 切换至SNAT管理页签，单击创建SNAT条目。

     3. 在创建SNAT条目页面，配置以下参数，然后单击确定创建。

        配置	说明
        SNAT条目粒度	选择SNAT条目的粒度。本文以选择交换机粒度为例：指定交换机下的RDS PostgreSQL实例通过配置的公网IP访问公网。
        选择交换机	在下拉列表中选择RDS PostgreSQL实例的交换机。
        选择公网IP地址	选择用来提供公网访问的公网IP。本文以选择使用单IP为例，在下拉列表中选择已绑定的EIP。

        创建成功后，在SNAT条目列表处查看已配置的SNAT条目。

插件开启与关闭

• 开启插件。

  开启rds_embedding插件前，需要先开启vector 插件，vector插件提供了必要的向量数据类型支持和基础向量操作能力（计算向量之间的距离、相似度等），rds_embedding插件专注于将高维文本数据转化为向量。

  CREATE EXTENSION vector;
  CREATE EXTENSION rds_embedding;

• 关闭插件。

  DROP EXTENSION rds_embedding;
  DROP EXTENSION vector;

使用示例

1. 创建测试表（test）。

   CREATE TABLE test(info text, vec vector(1536) NOT NULL);

2. 添加模型。

   SELECT rds_embedding.add_model('text-embedding-ada-002','https://api.openai.com/v1/embeddings','Authorization: Bearer sk-****P','{"input":{"texts":["%s"]},"model":"text-embedding-v1"}','->"data"->0->>"embedding"');

   说明

   • 本文使用的模型为开源OpenAI提供的Embeddings模型，请确保您具备API Key，并且RDS PostgreSQL实例所处地域支持访问OpenAI，本文示例实例所处地域为新加坡。

   • 本示例使用的函数rds_embedding.add_model()具体使用方法，请参见rds_embedding.add_model()。

3. 插入文本和其对应的向量数据。

   INSERT INTO test SELECT '风急天高猿啸哀', rds_embedding.get_embedding_by_model('text-embedding-ada-002', 'sk-****P', '风急天高猿啸哀')::real[];
   INSERT INTO test SELECT '渚清沙白鸟飞回', rds_embedding.get_embedding_by_model('text-embedding-ada-002', 'sk-****P', '渚清沙白鸟飞回')::real[];
   INSERT INTO test SELECT '无边落木萧萧下', rds_embedding.get_embedding_by_model('text-embedding-ada-002', 'sk-****P', '无边落木萧萧下')::real[];
   INSERT INTO test SELECT '不尽长江滚滚来', rds_embedding.get_embedding_by_model('text-embedding-ada-002', 'sk-****P', '不尽长江滚滚来')::real[];

   说明

   本示例使用的函数rds_embedding.get_embedding_by_model()具体使用方法，请参见rds_embedding.get_embedding_by_model()。

4. 计算文本不尽长江滚滚来与test表中各文本的向量相似度。

   SELECT info, vec <=> rds_embedding.get_embedding_by_model('text-embedding-ada-002', 'sk-****P', '不尽长江滚滚来')::real[]::vector AS distance FROM test ORDER BY vec <=> rds_embedding.get_embedding_by_model('text-embedding-ada-002', 'sk-****P', '不尽长江滚滚来')::real[]::vector;

   返回结果示例：

         info      |      distance
   ----------------+--------------------
    不尽长江滚滚来 |                  0
    无边落木萧萧下 | 0.6855717919553399
    风急天高猿啸哀 | 0.7423166439170339
    渚清沙白鸟飞回 | 0.7926204045363088
   (4 rows)

相关参考

curl https://api.openai.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "input": "Your text string goes here",
    "model": "text-embedding-ada-002"
  }'

             Objects in extension "rds_embedding"
                      Object description
---------------------------------------------------------------
 function rds_embedding.add_model(text,text,text,text,text)
 function rds_embedding.del_model(text)
 function rds_embedding.get_embedding_by_model(text,text,text)
 function rds_embedding.get_response_by_model(text,text,text)
 function rds_embedding.show_models()
 function rds_embedding.update_model(text,text,text,text,text)
 schema rds_embedding
 table rds_embedding.models
(8 rows)