生物学特色网站建设哪里有建设好的网站
LanceDB
LanceDB 是一个开源的向量搜索数据库，具备持久化存储功能，极大地简化了嵌入向量的检索、过滤和管理。
LanceDB的主要特点
LanceDB 的主要特点包括：
-
生产级向量搜索：无需管理服务器。
-
存储、查询和过滤向量、元数据以及多模态数据（如文本、图像、视频、点云等）。
-
支持向量相似性搜索、全文搜索和 SQL。
-
原生支持 Python 和 Javascript/Typescript。
-
零拷贝、自动版本控制：无需额外基础设施即可管理数据版本。
-
支持 GPU 加速构建向量索引（*）。
-
生态系统集成：与 LangChain 🦜️🔗、LlamaIndex 🦙、Apache-Arrow、Pandas、Polars、DuckDB 等工具集成，更多集成正在开发中。
LanceDB 的核心是用 Rust 🦀 编写的，并基于 Lance 构建。
Lance 是一种开源列式数据格式，专为高性能机器学习工作负载设计。
基于NodeJS 使用 LanceDB
需要先安装NodeJS，这里对 NodeJS的部分就不做过多的介绍。关于NodeJS的介绍和安装可以参考：
npm介绍及与Node.js关联
项目创建
- 创建一个项目目录， 这里是 lancedb
- 命令行切换到该目录，执行
npm init -y初始化项目。
这个命令就是创建 package.json 文件 - 创建src 目录用来存放源码
（src目录非必要， 也有的项目是app目录，目的就是为了让项目结构更清晰） - 安装lanceDB 的库
npm install @lancedb/lancedb
该命令的作用包括：
安装 LanceDB 客户端库：
该命令会从 npm 仓库下载并安装
@lancedb/lancedb包。安装完成后，你可以在项目中引入 LanceDB 并使用其 API 进行向量存储、查询和管理。
更新
package.json：
安装完成后，
@lancedb/lancedb会被添加到package.json文件的dependencies或devDependencies中（取决于你是否使用了--save-dev选项）。示例：
json
复制
"dependencies": {"@lancedb/lancedb": "^1.0.0" }生成
node_modules文件夹：
- 安装的库及其依赖会被下载到项目的
node_modules文件夹中。生成
package-lock.json：
- 安装过程中会更新或生成
package-lock.json文件，确保依赖版本的一致性。
编写 Javascript 代码操作LanceDB
在src 下新建一个 quickstart.js 文件，内容如下：
import * as lancedb from "@lancedb/lancedb";const db = await lancedb.connect("data/my-lancedb");
const table = await db.createTable("vectors", [{ id: 1, vector: [0.1, 0.2], item: "foo", price: 10 },{ id: 2, vector: [1.1, 1.2], item: "bar", price: 50 },
], {mode: 'overwrite'});const query = table.vectorSearch([0.1, 0.3]).limit(2);
const results = await query.toArray();const rowsByCriteria = await table.query().where("price >= 10").toArray();
以上代码的解释如下：
1. 导入 LanceDB 库
import * as lancedb from "@lancedb/lancedb";
这行代码导入了 LanceDB 的 Node.js 客户端库。
import * as lancedb表示将整个库的内容导入为一个命名空间lancedb，方便后续调用其 API。
2. 连接数据库
const db = await lancedb.connect("data/my-lancedb");
使用
lancedb.connect()方法连接到 LanceDB 数据库。
"data/my-lancedb"是数据库的存储路径。如果路径不存在，LanceDB 会自动创建。
await表示这是一个异步操作，等待连接完成后再继续执行后续代码。
3. 创建表并插入数据
const table = await db.createTable("vectors", [{ id: 1, vector: [0.1, 0.2], item: "foo", price: 10 },{ id: 2, vector: [1.1, 1.2], item: "bar", price: 50 }, ], { mode: 'overwrite' });
使用
db.createTable()方法创建一个名为"vectors"的表。第二个参数是一个数组，表示要插入的初始数据。每条数据是一个对象，包含以下字段：
id: 唯一标识符。
vector: 向量数据（例如[0.1, 0.2]）。
item: 项目的名称（例如"foo"）。
price: 项目的价格（例如10）。第三个参数
{ mode: 'overwrite' }表示如果表已经存在，则覆盖它。如果表不存在，则创建新表。
4. 向量搜索
const query = table.vectorSearch([0.1, 0.3]).limit(2); const results = await query.toArray();
使用
table.vectorSearch()方法进行向量搜索。
[0.1, 0.3]是查询向量，LanceDB 会查找与这个向量最相似的数据。
limit(2)表示只返回最相似的 2 条结果。
await query.toArray()将查询结果转换为数组并返回。结果会存储在
results变量中，通常是一个包含相似向量数据的数组。
5. 条件查询
const rowsByCriteria = await table.query().where("price >= 10").toArray();
使用
table.query()方法创建一个查询对象。
where("price >= 10")是一个过滤条件，表示只返回price字段大于或等于 10 的数据。
await query.toArray()将查询结果转换为数组并返回。结果会存储在
rowsByCriteria变量中，通常是一个符合条件的数据数组。
在VS Code的项目目录结构如下：
运行代码
使用node .\src\quickstart.js 命令运行代码， 运行后会在项目目录下创建 data 目录存放Db 的数据， 效果如下：
