代碼調用

def create_document_collection(account,
                               account_password,
                               namespace,
                               collection,
                               metadata: str = None,
                               full_text_retrieval_fields: str = None,
                               parser: str = None,
                               embedding_model: str = None,
                               metrics: str = None,
                               hnsw_m: int = None,
                               pq_enable: int = None,
                               external_storage: int = None,):
    request = gpdb_20160503_models.CreateDocumentCollectionRequest(
        region_id=ADBPG_INSTANCE_REGION,
        dbinstance_id=ADBPG_INSTANCE_ID,
        manager_account=account,
        manager_account_password=account_password,
        namespace=namespace,
        collection=collection,
        metadata=metadata,
        full_text_retrieval_fields=full_text_retrieval_fields,
        parser=parser,
        embedding_model=embedding_model,
        metrics=metrics,
        hnsw_m=hnsw_m,
        pq_enable=pq_enable,
        external_storage=external_storage
    )
    response = get_client().create_document_collection(request)
    print(f"create_document_collection response code: {response.status_code}, body:{response.body}")


if __name__ == '__main__':
    metadata = '{"title":"text", "page":"int"}'
    full_text_retrieval_fields = "title"
    embedding_model = "m3e-small"
    create_document_collection("testacc", "Test1234", "ns1", "dc1", 
                               metadata=metadata, full_text_retrieval_fields=full_text_retrieval_fields, 
                               embedding_model=embedding_model)


# output: body:
# {
#    "Message":"success",
#    "RequestId":"7BC35B66-5F49-1E79-A153-8D26576C4A3E",
#    "Status":"success"
# }

其中create_document_collection的參數說明如下：

• account：AnalyticDB PostgreSQL版實例的數據庫初始賬號。

• account_password：初始賬號對應的密碼。

• namespace: 文檔庫所在的Namespace名稱。

• collection：要創建的文檔庫名稱。

• metadata：自定義map結構的數據元信息，key為字段名，value為字段類型。

• full_text_retrieval_fields：自定義的逗號分隔的全文檢索字段，字段必須屬于metadata的key。

• parser：全文檢索參數，分詞器，默認zh_cn。詳情請參見全文檢索介紹。

• embedding_model：Embedding模型。詳情請參見Embedding模型介紹。

• metrics：向量索引參數，索引算法。詳情請參見向量索引。

• hnsw_m：向量索引參數，HNSW算法中的最大鄰居數，范圍1～1000。詳情請參見向量索引。

• pq_enable：向量索引參數，索引是否開啟PQ（Product quantization）算法加速。詳情請參見向量索引。

• external_storage: 向量索引參數，是否使用mmap緩存。詳情請參見向量索引。

查看數據庫的變更效果

代碼調用成功后，可登錄DMS，查看創建的表結構（表名為ns1.dc1）。

全文檢索介紹

為了提高檢索的精度，除了向量相似度外，AnalyticDB PostgreSQL版還支持全文檢索，并且能和向量相似度檢索同時使用達到雙路召回效果。

定義全文檢索字段

在使用全文檢索前，首先需指定哪些字段用于全文檢索的數據源，文檔庫的接口已經默認使用content字段，您還可以指定其它的Metadata自定義字段。

分詞

創建文檔庫時可以指定Parser字段作為分詞器，一般場景下，使用默認的中文zh_ch即可，如果有特殊的分詞字符要求，請聯系阿里云技術支持。

在插入數據時，分詞器會將全文檢索指定字段的數據按照分詞符切分，保存到to_tsvector中，供后續全文檢索使用。

Embedding模型介紹

Embedding支持如下模型：

向量索引

向量索引支持設置如下參數：