muktadiur/pgvector

pgvector Docker镜像文档

镜像概述

pgvector是PostgreSQL的开源向量相似度搜索扩展，提供高效的向量数据存储和相似度查询能力。该镜像基于PostgreSQL构建，已预集成pgvector扩展，可直接用于需要向量相似性搜索的场景，如推荐系统、语义检索、图像识别等。

核心功能与特性

• 多相似度算法支持：提供欧氏距离（L2距离）、余弦相似度、内积等多种向量相似度计算方式
• 高效查询性能：支持向量索引（如IVFFlat、HNSW），大幅提升大规模向量数据的查询效率
• PostgreSQL原生集成：作为PostgreSQL扩展，无缝兼容PostgreSQL生态，支持SQL查询语法
• 开源免费：遵循PostgreSQL许可证，可自由使用和修改

使用场景

• 推荐系统：基于用户/物品向量特征计算相似度，实现个性化推荐
• 语义搜索：对文本嵌入向量进行相似度查询，实现基于语义的内容检索
• 图像/音频识别：处理图像或音频的特征向量，实现相似内容匹配
• 机器学习应用：存储和查询模型生成的嵌入向量，支持AI应用的向量数据管理

使用方法

基本部署（Docker Run）

bash
docker run -d \
  --name pgvector \
  -e POSTGRES_PASSWORD=mysecretpassword \
  -e POSTGRES_DB=vectordb \
  -p 5432:5432 \
  pgvector/pgvector:latest

Docker Compose配置

yaml
version: '3'
services:
  pgvector:
    image: pgvector/pgvector:latest
    container_name: pgvector
    environment:
      POSTGRES_PASSWORD: mysecretpassword
      POSTGRES_USER: postgres
      POSTGRES_DB: vectordb
    ports:
      - "5432:5432"
    volumes:
      - pgvector_data:/var/lib/postgresql/data
volumes:
  pgvector_data:

启用pgvector扩展

连接数据库后，需手动启用pgvector扩展：

sql
CREATE EXTENSION vector;

基本操作示例

创建含向量列的表

sql
CREATE TABLE items (
  id SERIAL PRIMARY KEY,
  embedding vector(3)  -- 3维向量
);

插入向量数据

sql
INSERT INTO items (embedding) VALUES 
  ('[1, 2, 3]'),
  ('[4, 5, 6]'),
  ('[7, 8, 9]');

查询相似度（欧氏距离）

sql
-- 查找与目标向量最相似的前3条记录
SELECT id, embedding <-> '[3, 2, 1]' AS distance
FROM items
ORDER BY distance
LIMIT 3;

配置参数

注意事项

• 向量维度需在创建表时指定（如vector(1536)适用于1536维的文本嵌入向量）
• 对于大规模数据，建议创建向量索引提升查询性能，如：CREATE INDEX ON items USING ivfflat (embedding vector_l2_ops) WITH (lists = 100);
• 镜像基于官方PostgreSQL镜像构建，其他PostgreSQL配置参数同样适用