ClickHouse 集成

使用 LangChain Python 与 ClickHouse 向量存储进行集成。

ClickHouse 是用于实时应用和分析的最快、资源效率最高的开源数据库，支持完整的 SQL 以及广泛的功能，协助用户编写分析查询。最近添加的数据结构和距离搜索函数（如 L2Distance）以及 近似最近邻搜索索引 使得 ClickHouse 能够作为高性能且可扩展的向量数据库，通过 SQL 存储和搜索向量。

本笔记本展示了如何使用与 ClickHouse 向量存储相关的功能。

设置

首先使用 docker 设置本地 clickhouse 服务器：

! docker run -d -p 8123:8123 -p 9000:9000 --name langchain-clickhouse-server --ulimit nofile=262144:262144 -e CLICKHOUSE_SKIP_USER_SETUP=1 clickhouse/clickhouse-server:25.7

你需要安装 langchain-community 和 clickhouse-connect 才能使用此集成

pip install -qU langchain-community clickhouse-connect

凭据

本笔记本没有凭据，只需确保你已如上所示安装了软件包。

如果你希望获得最佳级别的模型调用自动化追踪，你也可以通过取消注释以下内容来设置你的 LangSmith API 密钥：

os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
os.environ["LANGSMITH_TRACING"] = "true"

实例化

# | output: false
# | echo: false
from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-large")

from langchain_community.vectorstores import Clickhouse, ClickhouseSettings

settings = ClickhouseSettings(table="clickhouse_example")
vector_store = Clickhouse(embeddings, config=settings)

管理向量存储

创建向量存储后，我们可以通过添加和删除不同项来与其交互。

向向量存储添加项

我们可以使用 add_documents 函数将项添加到我们的向量存储中。

from uuid import uuid4

from langchain_core.documents import Document

document_1 = Document(
    page_content="I had chocolate chip pancakes and scrambled eggs for breakfast this morning.",
    metadata={"source": "tweet"},
)

document_2 = Document(
    page_content="The weather forecast for tomorrow is cloudy and overcast, with a high of 62 degrees.",
    metadata={"source": "news"},
)

document_3 = Document(
    page_content="Building an exciting new project with LangChain - come check it out!",
    metadata={"source": "tweet"},
)

document_4 = Document(
    page_content="Robbers broke into the city bank and stole $1 million in cash.",
    metadata={"source": "news"},
)

document_5 = Document(
    page_content="Wow! That was an amazing movie. I can't wait to see it again.",
    metadata={"source": "tweet"},
)

document_6 = Document(
    page_content="Is the new iPhone worth the price? Read this review to find out.",
    metadata={"source": "website"},
)

document_7 = Document(
    page_content="The top 10 soccer players in the world right now.",
    metadata={"source": "website"},
)

document_8 = Document(
    page_content="LangGraph is the best framework for building stateful, agentic applications!",
    metadata={"source": "tweet"},
)

document_9 = Document(
    page_content="The stock market is down 500 points today due to fears of a recession.",
    metadata={"source": "news"},
)

document_10 = Document(
    page_content="I have a bad feeling I am going to get deleted :(",
    metadata={"source": "tweet"},
)

documents = [
    document_1,
    document_2,
    document_3,
    document_4,
    document_5,
    document_6,
    document_7,
    document_8,
    document_9,
    document_10,
]
uuids = [str(uuid4()) for _ in range(len(documents))]

vector_store.add_documents(documents=documents, ids=uuids)

从向量存储删除项

我们可以使用 delete 函数通过 ID 从我们的向量存储中删除项。

vector_store.delete(ids=uuids[-1])

查询向量存储

一旦创建了向量存储并添加了相关文档，在运行链或代理时，你很可能会想要查询它。

直接查询

相似度搜索

执行简单的相似度搜索可以如下进行：

results = vector_store.similarity_search(
    "LangChain provides abstractions to make working with LLMs easy", k=2
)
for res in results:
    page_content, metadata = res
    print(f"* {page_content} [{metadata}]")

带分数的相似度搜索

你也可以带分数进行搜索：

results = vector_store.similarity_search_with_score("Will it be hot tomorrow?", k=1)
for res, score in results:
    print(f"* [SIM={score:3f}] {res.page_content} [{res.metadata}]")

过滤

你可以直接访问 ClickHouse SQL 的 where 语句。你可以按照标准 SQL 编写 WHERE 子句。

注意：请注意 SQL 注入风险，此接口不应由最终用户直接调用。

如果你在设置下自定义了 column_map，则可以使用以下方式进行带过滤器的搜索：

meta = vector_store.metadata_column
results = vector_store.similarity_search_with_relevance_scores(
    "What did I eat for breakfast?",
    k=4,
    where_str=f"{meta}.source = 'tweet'",
)
for res in results:
    print(f"* {res.page_content} [{res.metadata}]")

其他搜索方法

本笔记本未涵盖各种其他搜索方法，例如 MMR 搜索或通过向量搜索。

转换为检索器进行查询

你也可以将向量存储转换为检索器，以便在链中更轻松地使用。

以下是如何将向量存储转换为检索器，然后使用简单查询和过滤器调用检索器的方法。

retriever = vector_store.as_retriever(
    search_type="similarity_score_threshold",
    search_kwargs={"k": 1, "score_threshold": 0.5},
)
retriever.invoke("Stealing from the bank is a crime", filter={"source": "news"})

检索增强生成用法

有关如何使用此向量存储进行检索增强生成 (RAG) 的指南，请参阅以下部分：

• 教程
• 如何：使用 RAG 问答
• 检索概念文档

更多请查看 使用 Astra DB 的完整 RAG 模板。

---

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.