PostgreSQL向量检索：pgvector入门指南

前言
这是我在这个网站整理的笔记,有错误的地方请指出，关注我，接下来还会持续更新。

作者：神的孩子都在歌唱

一. 什么是 pgvector？

pgvector 是 PostgreSQL 的开源扩展，用于在数据库中存储和处理向量数据，特别是高维嵌入向量（embedding）。

功能与特点

1. 向量存储：可将向量数据直接存入表中。
2. 距离计算：支持 L2（欧氏距离）、Inner Product（内积）、Cosine（余弦相似度）等。
3. 最近邻搜索：支持精确搜索和近似搜索（IVFFlat / HNSW）。
4. 兼容 SQL：可以直接与表中的其他列一起做查询、过滤和排序。
5. 可扩展性：适合中小规模向量存储，也能应对大数据量场景。

二. 为什么选择 PostgreSQL + pgvector？

1. 数据整合：向量与原始数据存放在同一数据库，无需单独部署向量数据库。
2. 事务和安全：继承 PostgreSQL 的事务、权限控制、备份与复制机制。
3. 易于扩展：可以直接使用 SQL 做 JOIN、过滤条件，实现混合检索。
4. 降低维护成本：只需要维护一个数据库系统，减少运维复杂度。
5. 可视化和监控：可以使用 PostgreSQL 现有工具进行监控和分析。

三. 安装与启用

1. 确保 PostgreSQL 支持扩展（通常 PostgreSQL 13+）
2. 安装 pgvector

启用扩展：

CREATE EXTENSION IF NOT EXISTS vector;

验证安装：

SELECT * FROM pg_extension WHERE extname='vector';

成功后即可在表中创建向量列。

四. 基本数据结构

• 向量列类型：vector 或 vector(n)，其中 n 是向量维度。
• 示例表结构：

CREATE TABLE documents (id BIGSERIAL PRIMARY KEY,embedding VECTOR(3) -- 假设嵌入向量是 3 维
);

小贴士：向量列的维度必须固定，查询和索引时保持一致。

五. 基本操作

5.1 插入向量

INSERT INTO documents (embedding) VALUES ('[1,2,3]'), ('[4,5,6]'),('[4,0,5]');

5.2 查询向量最近邻

-- 使用 L2 距离
SELECT id,embedding <-> '[1,2,3]' as score,embedding FROM documents ORDER BY embedding <-> '[1,2,3]' LIMIT 5;

根据score的得分，就能查询出相近的向量，值越小代表越相似，算法如下
公式

$$d(q,v)=\sqrt{\sum _{i=1}^n(q_i-v_i{)}^2}$$

计算例子

假设查询向量 (q = [1,2,3])，表中某行向量 (v = [4,0,5])：
$$d(q,v)=\sqrt{(1-4{)}^2+(2-0{)}^2+(3-5{)}^2}=\sqrt{9+4+4}=\sqrt{17}\approx 4.123$$

5.3 常用距离运算符

操作符	相似度度量	说明	推荐场景	值越小代表
<->	欧氏距离 (L2 Distance)	计算两个向量之间的几何距离	图像、音频、地理数据检索	越相似
<#>	负内积 (- Inner Product)	取负号后的内积，用于最大内积搜索	推荐系统、模型打分	越相似
<=>	余弦距离 (Cosine Distance)	1 - 余弦相似度，对向量长度不敏感	文本语义检索、跨语言向量匹配	越相似

后面会出一篇关于这些运算符计算使用的文章

5.4 其他操作

# 向现有表中添加向量列
ALTER TABLE items ADD COLUMN embedding vector(3);
# 更新向量
UPDATE items SET embedding = '[1,2,3]' WHERE id = 1;
# 删除向量
UPDATE items SET embedding = '[1,2,3]' WHERE id = 1;

六. Python 示例

使用 pgvector-python 或 psycopg2 处理向量：

import numpy as np
import psycopg2
from pgvector.psycopg2 import register_vector# 连接数据库
conn = psycopg2.connect(host='192.168.1.101', dbname='test-agent', user='postgres', password='123456', port=5433)
register_vector(conn)  # 注册 vector 类型
cur = conn.cursor()# 插入示例向量
embedding = np.random.rand(3).astype('float32')
print(embedding)
cur.execute("INSERT INTO documents (embedding) VALUES (%s)",(embedding,)  # 注意这里的逗号，确保是元组格式
)
conn.commit()# 查询最近邻
query_embedding = np.random.rand(3).astype('float32')
print(query_embedding)
cur.execute("SELECT id, embedding,embedding <-> %s as score  FROM documents ORDER BY embedding <-> %s LIMIT 5",(query_embedding, query_embedding,)
)
rows = cur.fetchall()
for r in rows:print(r)cur.close()
conn.close()

七. 小结

• pgvector 是 PostgreSQL 的向量扩展，支持高维嵌入向量存储与检索。
• 提供精确与近似最近邻查询，并可与 SQL 完美结合。
• 基础操作包括创建表、插入向量、查询最近邻以及选择合适的距离运算符。

作者：神的孩子都在歌唱

本人博客：https://blog.csdn.net/weixin_46654114

转载说明：务必注明来源，附带本人博客连接。