Vector Databases: Pinecone, Weaviate & pgvector · 강의

Pinecone에 데이터 업서트하기

관련 메타데이터와 함께 벡터 데이터를 Pinecone 색인에 삽입하고 업데이트하는 과정을 익힙니다.

Pinecone에 데이터 업서트하기은(는) CoddyKit의 무료 Vector Databases: Pinecone, Weaviate & pgvector 강의입니다. 이것은 4개 중 2번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Vector Databases: Pinecone, Weaviate & pgvector 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Vector Databases: Pinecone, Weaviate & pgvector 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

What is Upserting Data?

In vector databases like Pinecone, upserting is a key operation. It's a blend of 'update' and 'insert'.

If a vector with a given ID doesn't exist, it's inserted.
If it already exists, the existing vector (and its metadata) is updated with the new data.

This single operation simplifies managing dynamic vector data without needing to check for existence first.

Connecting to Your Pinecone Index

Before we upsert, you need to connect to your Pinecone index. This involves initializing the Pinecone client and selecting your target index.

Remember to replace YOUR_API_KEY and YOUR_ENVIRONMENT with your actual credentials, typically loaded from environment variables.

import os
from pinecone import Pinecone

# Initialize Pinecone client
pc = Pinecone(
    api_key=os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY"),
    environment=os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")
)

# Connect to your index (e.g., 'my-index')
index_name = "my-index"
index = pc.Index(index_name)

print(f"Connected to index: {index_name}")

Upserting a Single Vector

To upsert a single vector, you provide a unique id and the vector data (a list of floats). Each vector needs an ID for Pinecone to identify it.

The dimension of the vector must match the dimension configured for your Pinecone index (e.g., 3 for our simple examples).

Demo: Single Vector Upsert

Here's how to insert a single vector into your index. We'll use a simple 3-dimensional vector for demonstration.

import os
from pinecone import Pinecone

pc = Pinecone(
    api_key=os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY"),
    environment=os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")
)
index = pc.Index("my-index") # Assuming 'my-index' exists

# Upsert a single vector
index.upsert(
    vectors=[
        {"id": "vec1", "values": [0.1, 0.2, 0.3]}
    ]
)

print("Single vector 'vec1' upserted!")

Efficient Batch Upserts

For better performance, it's highly recommended to upsert multiple vectors in batches rather than one by one. This reduces network overhead.

You can prepare a list of dictionaries, where each dictionary represents a vector with its id and values.

Demo: Batch Upserting Vectors

This example shows how to upsert several vectors at once. Notice the vectors parameter takes a list of vector objects.

import os
from pinecone import Pinecone

pc = Pinecone(
    api_key=os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY"),
    environment=os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")
)
index = pc.Index("my-index") # Assuming 'my-index' exists

# Prepare multiple vectors for batch upsert
batch_vectors = [
    {"id": "vec2", "values": [0.4, 0.5, 0.6]},
    {"id": "vec3", "values": [0.7, 0.8, 0.9]},
    {"id": "vec4", "values": [0.11, 0.12, 0.13]}
]

# Upsert the batch
index.upsert(vectors=batch_vectors)

print("Batch of vectors upserted!")

Adding Metadata to Vectors

Metadata allows you to store additional key-value pairs alongside your vectors. This is incredibly useful for filtering search results later.

Metadata can include properties like a document's title, author, category, or creation date. It's stored as a dictionary within each vector object.

Demo: Upsert with Metadata

Let's add some context to our vectors using metadata. This makes them much more powerful for real-world applications.

import os
from pinecone import Pinecone

pc = Pinecone(
    api_key=os.environ.get("PINECONE_API_KEY", "YOUR_API_KEY"),
    environment=os.environ.get("PINECONE_ENVIRONMENT", "YOUR_ENVIRONMENT")
)
index = pc.Index("my-index") # Assuming 'my-index' exists

# Upsert a vector with metadata
index.upsert(
    vectors=[
        {
            "id": "doc1",
            "values": [0.2, 0.3, 0.4],
            "metadata": {"genre": "sci-fi", "year": 2023}
        },
        {
            "id": "doc2",
            "values": [0.5, 0.6, 0.7],
            "metadata": {"genre": "fantasy", "author": "J. Doe"}
        }
    ]
)

print("Vectors 'doc1' and 'doc2' upserted with metadata!")

How Upsert Handles Updates

The 'update' part of 'upsert' means that if you try to upsert a vector with an id that already exists in your index, Pinecone won't create a new entry.

Instead, it will overwrite the existing vector's values and metadata with the new data you provide. This ensures data consistency and avoids duplicates.

Upserting Knowledge Check

You've learned about upserting. Let's check your understanding!

Recap: Mastering Upserts

Great job! You've learned the essentials of upserting data into Pinecone:

Upsert = Update + Insert: A single operation for adding new or modifying existing vectors.
IDs are Key: Each vector requires a unique ID for identification and updates.
Batching for Performance: Always upsert multiple vectors in batches for efficiency.
Metadata for Context: Add key-value pairs to vectors for powerful filtering and search.
Updates are Automatic: Upserting with an existing ID overwrites the old vector.

Next, we'll explore how to query these vectors to find similar items!

자주 묻는 질문

“Pinecone에 데이터 업서트하기” 강의는 무료인가요?

네 — “Pinecone에 데이터 업서트하기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Vector Databases: Pinecone, Weaviate & pgvector 강의 전체를 잠금 해제할 수 있습니다. Vector Databases: Pinecone, Weaviate & pgvector 강의에는 총 4개의 강의가 포함되어 있습니다.

“Pinecone에 데이터 업서트하기”에서 뭘 배우나요?

관련 메타데이터와 함께 벡터 데이터를 Pinecone 색인에 삽입하고 업데이트하는 과정을 익힙니다. 브라우저에서 직접 실행하는 실습 코드로 Vector Databases: Pinecone, Weaviate & pgvector을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Vector Databases: Pinecone, Weaviate & pgvector을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Vector Databases: Pinecone, Weaviate & pgvector은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 2번째 강의입니다.

“Pinecone에 데이터 업서트하기” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Vector Databases: Pinecone, Weaviate & pgvector 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Vector Databases: Pinecone, Weaviate & pgvector 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Vector Databases: Pinecone, Weaviate & pgvector(으)로 돌아가기