Valkey: Een vectorindex aanmaken

Deze documentatie maakt deel uit van de Vector search en RAG-gids. Bekijk de volledige gids hier: Semantisch zoeken, aanbevelingen en retrieval-augmented generation met Valkey.

👋 Welkom bij de Stackhero-documentatie!

Stackhero biedt een kant-en-klare Valkey cloud oplossing met tal van voordelen, waaronder:

• Valkey Admin webinterface inbegrepen.
• Onbeperkte berichtgrootte en overdrachten.
• Updates eenvoudig met één klik.
• Optimale prestaties en sterke beveiliging dankzij een privé, dedicated infrastructuur.

Bespaar tijd en maak uw leven eenvoudiger: het kost slechts 5 minuten om de Valkey cloud hosting oplossing van Stackhero uit te proberen!

Definieer een vectorveld door de dimensie en de afstandsmaat op te geven. De dimensie moet overeenkomen met uw model: bijvoorbeeld 1536 voor OpenAI text-embedding-3-small, of 768 voor veel open source modellen.

FT.CREATE chunksIndex
  ON HASH
  PREFIX 1 chunk:
  SCHEMA
    content TEXT
    documentId TAG
    embedding VECTOR HNSW 6
      TYPE FLOAT32
      DIM 1536
      DISTANCE_METRIC COSINE

HNSW maakt een graafindex aan, waarmee snelle benaderende zoekopdrachten mogelijk zijn, zelfs als uw collectie groot wordt. Dit wordt aanbevolen voor collecties groter dan enkele duizenden vectoren. Voor kleine collecties kunt u FLAT gebruiken voor een exacte, brute-force zoekopdracht.

COSINE is doorgaans de beste afstandsmaat voor tekstembeddings. Ook L2 en IP worden ondersteund.