chromadb向量数据库搭建和使用

最新推荐文章于 2025-06-20 11:05:45 发布
最新推荐文章于 2025-06-20 11:05:45 发布
阅读量2.6k 收藏 5
点赞数 12
CC 4.0 BY-SA版权
分类专栏： 数据库 文章标签： 数据库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/fudaihb/article/details/145466521

一、服务端搭建

1.本地拉取容器镜像

docker pull chromadb/chroma

2.将本地容器镜像上传到远程服务器（如果远程服务器可以直接拉取镜像可以直接拉取，无需这一步）

docker save -o chromadb.tar chromadb/chroma

scp /Users/本地目录/chromadb.tar root@远程机器ip:/远程机器路径

3.远程服务器加载并运行容器镜像

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【速通RAG实战：数据库】6.RAG向量数据库原理
RickyIT的专栏
05-09 1027
在 RAG（检索增强生成）系统中，向量数据库扮演着至关重要的角色，它负责存储文本经过 Embedding 处理后的向量表示，并能高效地进行向量检索，以找出与查询向量最相似的文档。
开源向量数据库性能对比: Milvus, Chroma, Qdrant
ZILLIZ
10-18 5526
01.前言为应对公司在大规模文本、图像等非结构化数据处理上的业务增长需求，笔者着手调研当前流行的开源向量数据库。主要针对查询速度、并发度和召回率这几大核心维度进行深入分析，以确保选定的数据库方案能够在实际业务场景中高效应对大规模数据检索和高并发需求。通过全面对比不同数据库的表现，得出可靠的调研结论。笔者首先在墨天轮排行榜中查看了国产向量数据库的排行情况。前三名分别是 Milvus、TensorDB...
【向量数据库】chroma 向量数据库使用教程
扶着老奶奶闯红灯
02-07 2701
Chroma 是一个面向 AI 的开源嵌入式向量数据库，由 Ariel Kennan 和 Jack Altman 创立的两组不同人马合并而成。Chroma 提供了两个版本：免费的开源嵌入式版本和付费的托管和企业版本。
【Spring AI】05. 向量数据库-Chroma
u011046509的博客
04-29 3327
Chroma 是开源的嵌入向量数据库。它提供了文档嵌入向量、内容和元数据存储，并配备了通过这些嵌入向量进行搜索的工具，包括元数据过滤。
Chroma向量数据库使用指南：从入门到实践
gitblog_00684的博客
06-01 580
Chroma向量数据库使用指南：从入门到实践 概述 Chroma是一个开源的向量数据库，专为存储和检索向量嵌入而设计。它提供了简单易用的API，支持多种编程语言，包括Python和JavaScript。本文将详细介绍Chroma的核心功能和使用方法，帮助开发者快速上手。 安装与初始化 Python环境安装 pip install chromadb 初始化持久化客户端 Chroma支持将数据持久化...
向量数据库chromadb
最新发布
2201_75509689的博客
06-20 1290
Chroma是一款开源的向量数据库，它使用向量相似度搜索技术，可以快速有效地存储和检索大规模高维向量数据。它能帮你把文本、图片、音频等非结构化数据转化为机器可理解的，然后快速找到它们之间的相似性。目前Chroma库支持python和JavaScript两种语言。
向量数据库Chroma极简教程
lingqu＋wx bjmsb06
12-30 3904
目前向量数据库在AI中的应用越来越重要，但很多厂商更倾向于将向量数据库隐藏在产品内部，用户感知不到很多向量数据库的使用细节。但大模型的学习终究是建立在开源代码之上的，学习Chroma可以让我们快速了解向量数据库的基本原理，也有利于我们未来更好地理解大模型。
AI原生嵌入式矢量模型数据库ChromaDB-部署与使用指南
Spaceack的专栏
05-25 1万+
存储嵌入类型数据（embeddings）和其元数据嵌入（embed）文档和查询对嵌入类型的检索对用户的简单性，并保障开发效率同时拥有较好的性能Chroma 作为服务器运行，同时提供客户端的SDK（支持Java, Go，Python, Rust等多种语言）。通过这次学习，了解到了使用ChromeDB的基本方法，真是太好啦。最后 欢迎关注 公-众-号【编程之舞】,获取更多技术资源。
向量数据库：Chroma
m0_37559973的博客
05-11 6110
Chroma是一个开源的嵌入式数据库。Chroma通过使知识(knowledge)、事实(facts)和技能(skills)可插拔，从而简化了大型语言模型（LLM）应用程序的构建。
Docker容器部署向量数据库[chromadb]
MUTONG的博客
06-23 1370
Docker容器安装向量数据库[chromadb]
langchain Chroma 构建本地向量数据库
TuringEvo专栏
04-01 2989
/docs/第八章-骨骼关节和肌肉疾病.docx。./docs/第十九章-耳鼻咽喉疾病.docx。./docs/第十六章-感染性疾病.docx。文档在当前代码目录下。
向量数据库ChromaDB简介
topfine的博客
04-19 2130
什么是ChromaDB 相比传统数据库，有哪些独特优势 适合哪些应用场景 安装及使用案例 怎样监控性能
VDB之Chroma：Chroma/chromadb(一款优秀的向量数据库)的简介、安装、使用方法之详细攻略
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
07-13 1万+
​ VDB之Chroma：Chroma/chromadb(一款优秀的向量数据库)的简介、安装、使用方法之详细攻略 目录 相关文章 chroma的简介 chroma的安装 chroma的使用方法 相关文章 DB之VDB：向量数据库（Vector Database）的简介、常用库、使用方法之详细攻略 https://yunyaniu.blog.youkuaiyun.com/article/details/129106195 chroma的简介 2023年4月，Chroma获得1800
【AI 大模型】RAG 检索增强生成 ⑤ ( 向量数据库 | 向量数据库 索引结构和搜索算法 | 常见 向量数据库 对比 | 安装并使用 向量数据库 chromadb 案例 )
让 学习 成为一种 习惯 ( 韩曙亮 の 技术博客 )
03-02 4243
一、向量数据库 1、向量数据库引入 2、向量数据库简介 3、向量数据库 索引结构和搜索算法 4、向量数据库 应用场景 5、传统数据库 与 向量数据库 对比 二、常见 向量数据库 对比 三、向量数据库 案例 1、安装 向量数据库 chromadb 2、核心要点 解析 ① 创建数据库实例 ② 创建数据库表 ③ 向 向量数据库表 中 插入文本向量 ④ 从 向量数据库表 中查询 相似数据 3、完整代码示例
ChromaDB教程
热门推荐
wangning0714的博客
04-22 1万+
向量存储是专门为有效地存储和检索向量嵌入而设计的数据库。之所以需要它们，是因为像 SQL 这样的传统数据库没有针对存储和查询大型向量数据进行优化。嵌入在高维空间中以数字向量格式表示数据（通常是非结构化数据，如文本）。传统的关系数据库不太适合存储和搜索这些向量表示。向量存储可以使用相似性算法对相似的向量进行索引和快速搜索。它允许应用程序在给定目标向量查询的情况下查找相关向量。在个性化聊天机器人的情况下，用户输入生成式 AI 模型的提示。然后，该模型使用相似性搜索算法在文档集合中搜索相似文本。
RAG实践（二）安装并使用向量数据库（chromadb）
ShuaiQIXiaoLuo的博客
01-14 6128
chromadb 是一个开源的向量数据库，专门用于存储和检索高维向量数据，轻量级，适合快速原型开发，适合新手练习。
Day30上 - ChromaDB 向量数据库
CSBLOG的博客
01-18 1914
可以使用查询文本列表查询该集合，Chroma将返回最相似的n个结果。如果未提供n_results，Chroma将默认返回10个结果。这里我们只添加了2篇文档，因此将n_results设置为2。到第二期项目时，可以手动去调整一些文档段落的内容，编辑调整一些格式。从上述查询中可以看到，我们关于夏威夷的查询在语义上与关于菠萝的文档最为相似。2.启动成功，可通过8000端口，连接到服务器。最好的办法是手动区分，即文档手动的去划分语义。Chroma存储文本，并自动处理嵌入和索引。
【AI基础】从零开始：Chroma向量数据库构建高效AI应用全攻略
Arbboter的专栏
03-11 1516
文章主要介绍了Chroma向量数据库，涵盖其简介、安装部署、核心概念、高级功能及应用场景。Chroma作为开源AI原生向量数据库，通过将非结构化数据转换为向量嵌入，实现高效检索，适用于语义搜索、推荐系统等场景。安装部署包括本地安装、Docker部署及客户端连接配置。核心概念包括数据建模、存储架构、索引机制等。高级功能涉及数据预处理、性能优化、持久化存储等。应用场景广泛，包括推荐系统、语义搜索、大模型增强等。
向量数据库技术系列三-Chroma介绍
恰恰虎的博客
03-16 2651
本文介绍了chromadb的相关概念，以及创建数据库，向量新增和查询等基本操作。并通过案例实践演示了检索效果。
delphi 向量数据库
05-06
### 使用Delphi实现向量数据库的方法和库 在现代软件开发中，向量数据库因其高效的数据检索能力而备受关注。然而，Delphi作为一种传统的编程语言，在处理新兴技术如向量数据库时可能面临一定的挑战。尽管如此，通过结合第三方库或接口调用的方式，仍然可以在Delphi环境中实现向量数据库的相关功能。 #### 1. 利用外部API连接向量数据库 一种常见的方法是通过HTTP REST API或其他网络协议与现有的向量数据库服务交互。例如，Chroma提供了RESTful API支持，可以通过Delphi编写客户端代码与其通信[^3]。 ```delphi uses IdHTTP, System.JSON; function QueryVectorDatabase(const URL: string; const Payload: TJSONObject): string; var HTTPClient: TIdHTTP; begin HTTPClient := TIdHTTP.Create(nil); try Result := HTTPClient.Post(URL, TStringStream(Payload.ToString)); finally HTTPClient.Free; end; end; procedure TForm1.ButtonClick(Sender: TObject); var RequestPayload: TJSONObject; Response: string; begin RequestPayload := TJSONObject.Create; try RequestPayload.AddPair('query', 'example query'); Response := QueryVectorDatabase('http://localhost:8000/query', RequestPayload); Memo1.Lines.Text := Response; finally RequestPayload.Free; end; end; ``` 此代码片段展示了如何利用Indy组件集中的`TIdHTTP`类发送JSON请求至远程服务器，并接收返回的结果[^1]。 #### 2. 借助Python中间层实现复杂逻辑 由于许多先进的向量数据库及其嵌入函数由Python生态主导，因此可以考虑创建一个基于Python的服务端应用作为中介层。Delphi前端负责界面展示及基础数据传输；而后台则完成实际的计算任务。 具体来说，您可以先按照前述提到的内容搭建好Python脚本以加载所需的模型和服务化接口： ```python from flask import Flask, request, jsonify import chromadb from text2vec import SentenceModel app = Flask(__name__) model = SentenceModel('text2vec-chinese') @app.route('/embed', methods=['POST']) def embed(): data = request.json['texts'] embeddings = model.encode(data).tolist() return jsonify(embeddings) if __name__ == '__main__': app.run(port=5000) ``` 接着再回到您的Delphi项目里调整相应的调用部分即可适应新的架构需求。 #### 3. 将机器学习模型编译成DLL供Delphi调用 对于追求更高性能或者希望减少对外部依赖的应用场景而言，另一种可行方案就是把训练好的ML/DL模型导出为共享库形式（比如C++/Rust/C#），之后借助标准过程描述符导入到Delphi工程之中直接操作[^2]。 假设我们已经有了这样一个预置加密解密流程的标准定义如下所示，则只需要遵循类似的模式去封装我们的目标AI模块就可以了。 ```pascal type TAESFunc = function (inputData: Pointer; inputDataLength: Integer; key: Pointer; keyLength: Integer; IV: Pointer; IVLength: Integer; encryptedData: Pointer): Integer; stdcall; var Handle: HMODULE; AES_EncryptProc: TAESFunc; begin Handle := LoadLibrary('aeslib.dll'); if Handle <> 0 then begin @AES_EncryptProc := GetProcAddress(Handle, 'AES_Encrypt'); // Use AES_EncryptProc as needed... end; end. ``` 以上仅作为一个概念性的示范，请依据实际情况替换对应的功能名称以及参数列表等内容。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一休哥助手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值