tensorchord/pgvecto-rs Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

pgvecto.rs 镜像文档

镜像概述

pgvecto.rs是一个PostgreSQL扩展，提供高效的向量相似度搜索功能，采用Rust编写并基于pgrx框架。该Docker镜像已预先集成PostgreSQL与pgvecto.rs扩展，可快速部署具备向量搜索能力的数据库服务，适用于需要处理高维向量数据的场景。

核心功能与特性

与pgvector对比

关键特性

• 高维度支持：向量维度最高可达65535，远超传统向量扩展限制
• 多数据类型：支持标准向量、FP16（16位浮点数）、INT8（8位整数）和二进制向量，优化存储效率
• SIMD加速：动态适配硬件SIMD指令集，显著提升搜索性能
• 混合查询能力：支持向量搜索与关系型查询（过滤、连接）结合，确保结果完整性
• 独立索引管理：索引存储与PostgreSQL分离，优化内存使用和查询响应速度

使用场景

• 向量相似度搜索应用（如推荐系统、相似内容检索）
• 大规模嵌入向量（Embedding）存储与高效查询
• 结合关系型数据与向量数据的混合查询场景
• AI问答系统、语义搜索等需要向量计算的后端服务

使用方法

快速部署

通过Docker快速启动pgvecto.rs服务：

bash
docker run \
  --name pgvecto-rs-demo \
  -e POSTGRES_PASSWORD=mysecretpassword \
  -p 5432:5432 \
  -d tensorchord/pgvecto-rs:pg16-v0.2.1

参数说明：

• --name：容器名称
• -e POSTGRES_PASSWORD：设置PostgreSQL默认用户（postgres）密码
• -p 5432:5432：端口映射（主机端口:容器端口）
• -d：后台运行容器
• tensorchord/pgvecto-rs:pg16-v0.2.1：镜像名称（PostgreSQL 16版本，pgvecto-rs v0.2.1）

连接数据库

使用psql客户端连接容器内数据库：

bash
psql -h localhost -p 5432 -U postgres

默认凭据：

• 用户名：postgres
• 密码：启动容器时设置的POSTGRES_PASSWORD值（示例中为mysecretpassword）

启用扩展

连接后执行以下SQL启用pgvecto.rs扩展：

sql
DROP EXTENSION IF EXISTS vectors;
CREATE EXTENSION vectors;

创建向量表

使用vector(n)数据类型定义n维向量列：

sql
-- 创建包含向量列的表
CREATE TABLE items (
  id bigserial PRIMARY KEY,
  embedding vector(3) NOT NULL -- 3维向量
);

注意：vector(n)仅在1 ≤ n ≤ 65535时有效。PostgreSQL允许创建vector类型（无维度限制）或维度不匹配的向量值，但此类情况下无法为该列创建索引。

插入向量数据

支持通过向量字面量或数组转换插入数据：

sql
-- 方法1：使用向量字面量
INSERT INTO items (embedding)
VALUES ('[1,2,3]'), ('[4,5,6]');

-- 方法2：通过数组转换
INSERT INTO items (embedding)
VALUES (ARRAY[1, 2, 3]::real[]), (ARRAY[4, 5, 6]::real[]);

向量距离计算

支持三种距离计算运算符：

• <->：平方欧氏距离，定义为 Σ(x_i - y_i)²
• <#>：负点积，定义为 -Σx_i y_i
• <=>：余弦距离，定义为 1 - (Σx_i y_i) / (√Σx_i² √Σy_i²)

示例：

sql
-- 计算平方欧氏距离
SELECT '[1, 2, 3]'::vector <-> '[3, 2, 1]'::vector;

-- 计算负点积
SELECT '[1, 2, 3]'::vector <#> '[3, 2, 1]'::vector;

-- 计算余弦距离
SELECT '[1, 2, 3]'::vector <=> '[3, 2, 1]'::vector;

相似向量搜索

查询相似向量并按距离排序：

sql
-- 查询与目标向量最相似的前5条记录
SELECT * FROM items ORDER BY embedding <-> '[3,2,1]' LIMIT 5;

半精度浮点数优化

使用vecf16类型（16位浮点数向量）减少内存占用：

sql
-- 创建使用半精度浮点数向量的表
CREATE TABLE items_f16 (
  id bigserial PRIMARY KEY,
  embedding vecf16(3) NOT NULL -- 3维16位浮点向量
);

官方文档

完整使用指南请参考官方文档：
pgvecto.rs 官方文档

主要文档章节

• 入门指南
  • 概述
  • 安装说明
• 使用指南
  • 索引管理
  • 搜索操作
• 管理指南
  • 配置参数
  • 版本升级
• 开发者指南
  • 开发教程