다음과 같은 소식을 알려드리게 되어 매우 기쁩니다. 카우치베이스 에서 벡터 저장소로 지원됩니다. MindsDB의 최첨단 머신 러닝 기능과 Couchbase의 고성능 벡터 스토리지라는 두 가지 장점을 한데 모은 것입니다. 이 새로운 통합을 통해 사용자는 데이터와 AI를 원활하게 결합하여 애플리케이션에 대한 강력하고 새로운 가능성을 열어갈 수 있습니다.
MindsDB는 다양한 인공지능(AI) 모델을 데이터베이스 또는 기타 데이터 관리 시스템과 통합하는 오픈 소스 도구로, 새로운 AI 기반 솔루션을 쉽게 생성하고 배포할 수 있도록 지원합니다. 직관적인 인터페이스와 널리 사용되는 데이터 소스와의 폭넓은 호환성을 갖춘 MindsDB는 깊은 기술 지식 없이도 고급 머신 러닝 모델을 쉽게 구현할 수 있도록 도와줍니다.
다음 섹션에서는 이 통합에 대한 몇 가지 세부 사항을 살펴보겠습니다.
Couchbase로 MindsDB 설정하기
MindsDB 및 Couchbase를 시작하려면 몇 가지 간단한 단계를 따라야 합니다.
MindsDB 설치
MindsDB Docker 컨테이너를 실행합니다. 다음 명령을 실행하여 MindsDB용 Docker 컨테이너를 생성합니다:
도커 실행 --이름 mindsdb_container -p 47334:47334 -p 47335:47335 mindsdb/mindsdb
컨테이너가 실행되고 나면 다음과 같이 액세스할 수 있습니다. MindsDB 편집기 로 이동하여 http://127.0.0.1:47334 를 클릭합니다.
대안: MindsDB의 도커 데스크톱 확장 프로그램을 사용하여 도커 데스크톱 내에서 직접 컨테이너를 관리할 수 있습니다.
MindsDB에 Couchbase 설치하기
Couchbase 통합에 필요한 종속성을 설치하는 방법에는 두 가지가 있습니다:
방법 1: MindsDB 에디터를 통해 설치
-
- MindsDB 편집기를 엽니다.
- 다음으로 이동 설정 를 클릭한 다음 통합 관리.
- 를 선택하고 카우치베이스벡터 통합.
- 클릭 설치.
방법 2: 명령줄을 통한 설치
-
- MindsDB 도커 컨테이너를 시작합니다:
도커 시작 mindsdb_container - 컨테이너에서 대화형 셸을 시작합니다:
도커 실행 -잇 마인드DB_컨테이너 sh - Couchbase 종속 요소를 설치합니다:
pip 설치 .[카우치베이스벡터] - 대화형 셸을 종료합니다:
exit - 컨테이너를 다시 시작합니다:
도커 재시작 마음DB_컨테이너
- MindsDB 도커 컨테이너를 시작합니다:
이제 MindsDB 편집기에 종속성으로 Couchbase가 설치됩니다!
Couchbase에서 벡터 검색을 수행하기 전에 벡터 임베딩에 대해 전체 텍스트 검색(FTS) 인덱스가 구성되어 있는지 확인하세요. 이는 벡터 검색을 수행하는 데 필요합니다.
카우치베이스에 연결하여 벡터 검색 수행하기
이제 MindsDB와 Couchbase가 통합되었으므로 Couchbase를 벡터 저장소로 연결하고 벡터 검색을 수행할 수 있습니다. 방법은 다음과 같습니다:
1. 데이터베이스 연결 설정
다음 SQL과 유사한 구문을 사용하여 Couchbase 인스턴스에 대한 연결을 만듭니다. 아래 예는 여행 샘플 버킷을 활성화할 수 있습니다(이 버킷은 Couchbase UI에서 활성화할 수 있습니다).
|
1 2 3 4 5 6 7 8 9 10 |
만들기 데이터베이스 카우치베이스_벡터소스 WITH 엔진='couchbasevector', 매개변수={ "연결 문자열": "couchbase://localhost", "bucket": "travel-sample", "user": "admin", "비밀번호": "비밀번호", "범위": "인벤토리" }; |
2. Couchbase에서 테이블 만들기
Couchbase에서 컬렉션(또는 테이블)을 만들어 다른 MindsDB 데이터 소스의 데이터로 채울 수 있습니다. 예를 들어, MySQL 데이터베이스의 벡터 임베딩을 저장할 수 있습니다:
|
1 2 3 4 |
만들기 표 카우치베이스_벡터소스.테스트_임베딩 ( 선택 임베딩 FROM mysql_데이터소스.테스트_임베딩 ); |
이 예제에서는 mysql_데이터소스 는 MySQL 데이터베이스에 연결된 다른 MindsDB 데이터 소스를 참조합니다. 데이터 소스의 테스트_임베딩 테이블에는 Couchbase에 저장하려는 임베딩이 포함되어 있습니다.
3. 벡터 검색 수행
벡터 검색을 수행하려면 아래와 같은 쿼리를 사용합니다.
|
1 2 3 4 5 6 7 |
선택 * FROM 카우치베이스_벡터소스.테스트_임베딩 어디 임베딩 = ( 선택 임베딩 FROM mysql_데이터소스.테스트_임베딩 LIMIT 1 ); |
결론
이 통합을 통해 Couchbase의 고성능 벡터 스토리지와 MindsDB의 머신 러닝 기능을 손쉽게 결합하여 최소한의 노력으로 지능적이고 확장 가능한 애플리케이션을 개발할 수 있습니다. 추천 시스템, 시맨틱 검색 또는 기타 AI 기반 솔루션을 구축하든, 이 강력한 조합은 성공에 필요한 도구를 제공합니다.
다음 단계
자세한 내용은 MindsDB 문서에 대한 통합 가이드를 포함하여 카우치베이스.
행복한 코딩!