Chroma向量数据库数据查看实战指南：从基础查询到高级分析

1次阅读

共计 1886 个字符，预计需要花费 5 分钟才能阅读完成。

Chroma 是一个开源的向量数据库，专门为存储和查询向量数据而设计。它支持高效的相似性搜索，广泛应用于推荐系统、自然语言处理等领域。Chroma 的数据存储特点包括：

以向量为核心数据单元，支持高维向量存储
内置相似度计算功能，支持多种距离度量（如余弦相似度、欧氏距离）
支持元数据存储，可以附加任意键值对信息到向量上
轻量级设计，易于集成到现有系统

首先需要建立与 Chroma 数据库的连接：

import chromadb

# 创建或连接到本地数据库
client = chromadb.Client()
collection = client.create_collection(name="my_collection")

最简单的查询方式是使用 get 方法获取所有数据：

# 获取集合中的所有数据
all_data = collection.get()
print(all_data)

Chroma 支持基于 ID 和元数据的过滤：

# 按 ID 查询
results = collection.get(ids=["id1", "id2"]
)

# 按元数据过滤
results = collection.get(where={"metadata_field": "value"}
)

Chroma 的核心功能是相似性搜索：

# 查询与给定向量最相似的 top_k 个结果
query_results = collection.query(query_embeddings=[[0.1, 0.2, 0.3]],  # 查询向量
    n_results=5  # 返回最相似的 5 个结果
)

支持多种逻辑组合的元数据查询：

# 使用 AND/OR 逻辑的元数据查询
results = collection.get(
    where={
        "$and": [{"category": "book"},
            {"year": {"$gte": 2020}}
        ]
    }
)

以下是一个完整的查询示例，展示了各种常见操作：

import chromadb

# 初始化客户端
client = chromadb.Client()

# 创建或获取集合
collection = client.get_or_create_collection(name="sample_collection")

# 添加一些示例数据
collection.add(ids=["id1", "id2"],
    embeddings=[[1.1, 2.3, 3.2], [4.5, 6.9, 4.4]],
    metadatas=[{"type": "article", "year": 2022}, 
               {"type": "book", "year": 2023}],
    documents=["This is a document", "Another document"]
)

# 基本查询
print("所有数据：")
print(collection.get())

# 相似性查询
print("\n 相似性查询结果：")
print(collection.query(query_embeddings=[[1.0, 2.0, 3.0]],
    n_results=1
))

# 元数据过滤查询
print("\n 元数据过滤结果：")
print(collection.get(where={"type": "book"}
))

当处理大量数据时，查询性能变得尤为重要。以下是一些优化策略：