벡터 검색

Azure Cosmos DB는 이제 벡터 유사성 검색을 지원합니다. 벡터 검색은 AI, 의미 체계 검색 및 기타를 비롯한 일부 애플리케이션 유형의 기본 부분입니다. Azure Cosmos DB를 사용하면 나머지 데이터와 함께 문서에 직접 벡터를 저장할 수 있습니다. 즉, 단일 데이터베이스에 대해 모든 쿼리를 수행할 수 있습니다. 이렇게 하면 아키텍처가 상당히 간소화되고 스택에 전용 벡터 데이터베이스 솔루션이 추가로 필요하지 않습니다. Azure Cosmos DB 벡터 검색 에 대한 자세한 내용은 설명서를 참조하세요.

OnModelCreating 내부에서 벡터 속성을 구성할 수 있습니다.

public class Blog
{
    ...

    public float[] Vector { get; set; }
}

public class BloggingContext
{
    ...

    protected override void OnModelCreating(ModelBuilder modelBuilder)
    {
        modelBuilder.Entity<Blog>(b =>
        {
            b.Property(b => b.Vector).IsVectorProperty(DistanceFunction.Cosine, dimensions: 1536);
            b.HasIndex(x => x.Vector).IsVectorIndex(VectorIndexType.Flat);
        });
    }
}

이 시점에서 모델이 구성됩니다. 벡터 데이터 삽입은 EF를 사용하여 다른 데이터 형식과 마찬가지로 수행됩니다.

float[] vector = /* generate vector data from text, image, etc. */
context.Add(new Blog { Vector = vector });
await context.SaveChangesAsync();

마지막으로 LINQ 쿼리의 EF.Functions.VectorDistance() 함수를 사용하여 벡터 유사성 검색을 수행합니다.

float[] anotherVector = /* generate vector data from text, image, etc. */
var blogs = await context.Blogs
    .OrderBy(s => EF.Functions.VectorDistance(s.Vector, anotherVector))
    .Take(5)
    .ToListAsync();

이렇게 하면 Vector 속성과 외부에서 제공하는 anotherVector 데이터의 유사성을 기준으로 상위 5개 블로그가 반환됩니다.

하이브리드 검색

벡터 유사성 검색은 VectorDistance 및 FullTextScore 함수의 결과를 RRF (상호 순위 Fusion) 함수를 사용하여 결합함으로써 동일한 쿼리(예: 하이브리드 검색) 내에서 전체 텍스트 검색과 함께 사용할 수 있습니다.

EF 모델에서 전체 텍스트 검색 지원을 사용하도록 설정하는 방법과 쿼리에서 하이브리드 검색을 사용하는 방법을 알아보려면 설명서를 참조하세요.