वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector · पाठ

नेमस्पेस प्रबंधित करना

बेहतर संगठन के लिए नेमस्पेस का उपयोग करके एक ही Pinecone अनुक्रमणिका में अपने डेटा को अलग-अलग खंडों में बाँटना समझिए।

पाठ 2, कुल 4 में से12 चरण

नेमस्पेस प्रबंधित करना, CoddyKit पर वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

Pinecone नेमस्पेस क्या हैं

Pinecone में नेमस्पेस प्रबंधित करने के पाठ में आपका स्वागत है! नेमस्पेस किसी एक Pinecone इंडेक्स के भीतर एक तार्किक विभाजन की तरह होता है।

इसे मुख्य डायरेक्टरी के भीतर मौजूद फ़ोल्डर की तरह समझिए। इसकी मदद से आपको पूरी तरह अलग इंडेक्स बनाने की आवश्यकता नहीं पड़ती और आप अपने डेटा को अलग-अलग हिस्सों में बाँट सकते हैं।

नेमस्पेस का उपयोग क्यों करें

नेमस्पेस आपके वेक्टर डेटा को व्यवस्थित करने के लिए बेहद उपयोगी हैं, खासकर जटिल अनुप्रयोगों में:

  • बहु-किरायेदारी: एक ही इंडेक्स में अलग-अलग उपयोगकर्ताओं या ग्राहकों के डेटा को अलग रखें।
  • A/B परीक्षण: प्रयोगों के लिए एम्बेडिंग के अलग-अलग संस्करण संग्रहीत करें।
  • डेटा अलगाव: एक ही इंडेक्स ढाँचे का लाभ लेते हुए अलग-अलग डेटा-समूहों को पृथक रखें।
  • वर्गीकरण: वेक्टर को विषय, स्रोत या प्रकार के आधार पर समूहित करें।

डिफ़ॉल्ट नेमस्पेस

हर Pinecone इंडेक्स में एक डिफ़ॉल्ट नेमस्पेस होता है। यदि आप upsert या query करते समय नेमस्पेस स्पष्ट रूप से निर्दिष्ट नहीं करते हैं, तो आपके ऑपरेशन इसी डिफ़ॉल्ट नेमस्पेस के साथ काम करेंगे।

इसे अक्सर खाली स्ट्रिंग "" के रूप में दिखाया जाता है या नेमस्पेस पैरामीटर को छोड़ दिया जाता है।

नेमस्पेस के लिए सेटअप

नेमस्पेस के साथ काम करने से पहले सुनिश्चित करें कि आपका Pinecone क्लाइंट प्रारंभ हो चुका है। हम मान रहे हैं कि आपने अपनी API कुंजी और परिवेश कॉन्फ़िगर कर लिया है, आमतौर पर परिवेश चर के माध्यम से।

प्रदर्शन के लिए एक बुनियादी सेटअप इस प्रकार है:

from pinecone import Pinecone
import os

def main():
    # Replace with your actual API key and environment from environment variables
    api_key = os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY")
    environment = os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")

    if api_key == "YOUR_API_KEY" or environment == "YOUR_ENVIRONMENT":
        print("Please set PINECONE_API_KEY and PINECONE_ENVIRONMENT env vars.")
        return

    pc = Pinecone(api_key=api_key, environment=environment)
    print("Pinecone client initialized.")

if __name__ == "__main__":
    main()

नेमस्पेस में डेटा डालना

किसी विशिष्ट नेमस्पेस में वेक्टर जोड़ने के लिए, आपको अपने index.upsert() कॉल में namespace पैरामीटर शामिल करना होता है।

इस उदाहरण में कुछ वेक्टर "product-recommendations" नामक नेमस्पेस में डाले जाते हैं।

from pinecone import Pinecone, Index
import os

def main():
    api_key = os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY")
    environment = os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")

    if api_key == "YOUR_API_KEY" or environment == "YOUR_ENVIRONMENT":
        print("Please set PINECONE_API_KEY and PINECONE_ENVIRONMENT env vars.")
        return

    pc = Pinecone(api_key=api_key, environment=environment)
    index_name = "my-product-index" # Ensure this index exists

    if index_name not in pc.list_indexes():
        print(f"Index '{index_name}' does not exist. Please create it first.")
        return

    index = pc.Index(index_name)

    vectors_to_upsert = [
        {"id": "item-1", "values": [0.1, 0.2, 0.3]}, # 3 dimensions for example
        {"id": "item-2", "values": [0.4, 0.5, 0.6]}
    ]

    # Upsert into a specific namespace
    index.upsert(vectors=vectors_to_upsert, namespace="product-recommendations")
    print("Vectors upserted into 'product-recommendations' namespace.")

if __name__ == "__main__":
    main()

किसी विशिष्ट नेमस्पेस में क्वेरी करना

किसी विशेष नेमस्पेस से वेक्टर प्राप्त करने के लिए अपने index.query() कॉल में namespace पैरामीटर निर्दिष्ट करें।

इससे यह सुनिश्चित होता है कि आपकी खोज आपके इंडेक्स के उसी हिस्से तक सीमित रहे।

from pinecone import Pinecone, Index
import os

def main():
    api_key = os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY")
    environment = os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")

    if api_key == "YOUR_API_KEY" or environment == "YOUR_ENVIRONMENT":
        print("Please set PINECONE_API_KEY and PINECONE_ENVIRONMENT env vars.")
        return

    pc = Pinecone(api_key=api_key, environment=environment)
    index_name = "my-product-index"

    if index_name not in pc.list_indexes():
        print(f"Index '{index_name}' does not exist. Please create it first.")
        return

    index = pc.Index(index_name)

    query_vector = [0.15, 0.25, 0.35] # Example query vector

    # Query within the 'product-recommendations' namespace
    results = index.query(
        vector=query_vector,
        top_k=2,
        namespace="product-recommendations",
        include_values=False
    )
    print("Query results from 'product-recommendations' namespace:")
    for match in results.matches:
        print(f"ID: {match.id}, Score: {match.score}")

if __name__ == "__main__":
    main()

क्वेरी के दायरे को समझना

यह याद रखना बहुत ज़रूरी है कि Pinecone में क्वेरी डिफ़ॉल्ट रूप से नेमस्पेस-विशिष्ट होती हैं। यदि आप नेमस्पेस निर्दिष्ट किए बिना क्वेरी करते हैं, तो खोज केवल डिफ़ॉल्ट नेमस्पेस में होगी।

एक ही API कॉल से सभी नेमस्पेस में क्वेरी करने का कोई सीधा तरीका नहीं है; परिणामों को मिलाना हो तो आपको प्रत्येक नेमस्पेस में अलग-अलग क्वेरी करनी होगी।

इंडेक्स में नेमस्पेस की सूची देखना

अपने इंडेक्स में वर्तमान में मौजूद नेमस्पेस और उनके आँकड़े देखने के लिए आप index.describe_index_stats() मेथड का उपयोग कर सकते हैं।

यह नेमस्पेस के मानचित्र और उनमें मौजूद वेक्टर की संख्या सहित एक सारांश लौटाता है।

from pinecone import Pinecone, Index
import os

def main():
    api_key = os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY")
    environment = os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")

    if api_key == "YOUR_API_KEY" or environment == "YOUR_ENVIRONMENT":
        print("Please set PINECONE_API_KEY and PINECONE_ENVIRONMENT env vars.")
        return

    pc = Pinecone(api_key=api_key, environment=environment)
    index_name = "my-product-index"

    if index_name not in pc.list_indexes():
        print(f"Index '{index_name}' does not exist. Please create it first.")
        return

    index = pc.Index(index_name)

    # Get index statistics
    index_stats = index.describe_index_stats()

    print("Namespaces in index:")
    for ns, stats in index_stats.namespaces.items():
        print(f"- Namespace: '{ns}', Vector Count: {stats.vector_count}")

if __name__ == "__main__":
    main()

नेमस्पेस से वेक्टर हटाना

किसी नेमस्पेस से विशिष्ट वेक्टर हटाने के लिए उनके ID को namespace पैरामीटर के साथ index.delete() में दें।

यह उदाहरण "product-recommendations" नेमस्पेस से एक विशिष्ट आइटम हटाता है।

from pinecone import Pinecone, Index
import os

def main():
    api_key = os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY")
    environment = os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")

    if api_key == "YOUR_API_KEY" or environment == "YOUR_ENVIRONMENT":
        print("Please set PINECONE_API_KEY and PINECONE_ENVIRONMENT env vars.")
        return

    pc = Pinecone(api_key=api_key, environment=environment)
    index_name = "my-product-index"

    if index_name not in pc.list_indexes():
        print(f"Index '{index_name}' does not exist. Please create it first.")
        return

    index = pc.Index(index_name)

    # Delete a specific vector by ID within a namespace
    index.delete(ids=["item-1"], namespace="product-recommendations")
    print("Vector 'item-1' deleted from 'product-recommendations' namespace.")

if __name__ == "__main__":
    main()

पूरा नेमस्पेस हटाना

किसी विशिष्ट नेमस्पेस के सभी वेक्टर हटाने और प्रभावी रूप से उस नेमस्पेस को मिटाने के लिए, आप namespace पैरामीटर के साथ index.delete() का उपयोग करके delete_all=True सेट कर सकते हैं।

सावधान रहें: यह कार्रवाई वापस नहीं की जा सकती और उस नेमस्पेस का सारा डेटा हटा देती है!

from pinecone import Pinecone, Index
import os

def main():
    api_key = os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY")
    environment = os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")

    if api_key == "YOUR_API_KEY" or environment == "YOUR_ENVIRONMENT":
        print("Please set PINECONE_API_KEY and PINECONE_ENVIRONMENT env vars.")
        return

    pc = Pinecone(api_key=api_key, environment=environment)
    index_name = "my-product-index"

    if index_name not in pc.list_indexes():
        print(f"Index '{index_name}' does not exist. Please create it first.")
        return

    index = pc.Index(index_name)

    # Delete all vectors within a specific namespace
    # This effectively removes the 'test-namespace' and all its contents
    index.delete(namespace="test-namespace", delete_all=True)
    print("All vectors in 'test-namespace' deleted. Namespace effectively removed.")

if __name__ == "__main__":
    main()

नेमस्पेस संबंधी ज्ञान जाँच

आपके पास "my-app-index" नाम का एक इंडेक्स है। आप "user-1" और "user-2" नेमस्पेस में वेक्टर डालते हैं। इसके बाद यदि आप index.query(vector=my_vec, top_k=5) को namespace निर्दिष्ट किए बिना कॉल करते हैं, तो क्या होगा?

पुनरावलोकन: नेमस्पेस से व्यवस्थित करें

बहुत अच्छा! आपने Pinecone नेमस्पेस की शक्ति के बारे में सीखा।

  • नेमस्पेस एक ही इंडेक्स में डेटा को अलग-अलग हिस्सों में बाँटने में मदद करते हैं।
  • ये बहु-किरायेदारी और A/B परीक्षण के लिए बिल्कुल उपयुक्त हैं।
  • ऑपरेशन (upsert, query, delete) नेमस्पेस-विशिष्ट होते हैं।
  • यदि कोई नेमस्पेस निर्दिष्ट न किया जाए, तो डिफ़ॉल्ट नेमस्पेस का उपयोग होता है।
  • आप मौजूदा नेमस्पेस की सूची देख सकते हैं और पूरे नेमस्पेस हटा सकते हैं।

नेमस्पेस का प्रभावी उपयोग आपके वेक्टर डेटा को व्यवस्थित और प्रबंधनीय बनाए रखता है!

शुरुआत निःशुल्क

एआई शिक्षक के साथ वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम
12
पाठ
48

अक्सर पूछे जाने वाले प्रश्न

क्या “नेमस्पेस प्रबंधित करना” पाठ निःशुल्क है?

हाँ — वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “नेमस्पेस प्रबंधित करना” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“नेमस्पेस प्रबंधित करना” में मैं क्या सीखूँगा?

बेहतर संगठन के लिए नेमस्पेस का उपयोग करके एक ही Pinecone अनुक्रमणिका में अपने डेटा को अलग-अलग खंडों में बाँटना समझिए। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।

“नेमस्पेस प्रबंधित करना” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

  1. मेटाडेटा के साथ फ़िल्टरिंग
  2. नेमस्पेस प्रबंधित करना
  3. रियल-टाइम अद्यतन और विलोपन
  4. स्पार्स-डेंस वेक्टर के साथ हाइब्रिड खोज
← वेक्टर डेटाबेस: Pinecone, Weaviate और pgvector पर वापस जाएँ