Qdrant คืออะไร และวิธีติดตั้งบน Cloud Server

ทดสอบบน Ubuntu Server 24.04 LTS ที่ติดตั้ง Docker แล้ว

1. 1

   รัน Qdrant

   คัดลอก

   docker run -d --name qdrant \
     -p 10.10.0.70:6333:6333 \
     -v /srv/qdrant:/qdrant/storage \
     -e QDRANT__SERVICE__API_KEY=ChangeThisStrongApiKey \
     --restart unless-stopped \
     qdrant/qdrant

2. 2

   ตรวจว่าบริการทำงาน

   คัดลอก

   curl -H "api-key: ChangeThisStrongApiKey" http://10.10.0.70:6333/collections

3. 3

   สร้างคอลเลกชันสำหรับเก็บเอกสาร

   ต้องกำหนดจำนวนมิติให้ตรงกับโมเดลที่ใช้แปลงข้อความ ถ้าไม่ตรงจะเพิ่มข้อมูลไม่ได้

   คัดลอก

   curl -X PUT http://10.10.0.70:6333/collections/docs \
     -H "api-key: ChangeThisStrongApiKey" \
     -H "Content-Type: application/json" \
     -d '{"vectors": {"size": 768, "distance": "Cosine"}}'

4. 4

   เพิ่มเอกสารเข้าฐานข้อมูล

   ฝั่งแอปแปลงข้อความเป็นเวกเตอร์ด้วยโมเดลที่เลือก แล้วส่งเข้ามาพร้อมข้อมูลประกอบสำหรับใช้กรองภายหลัง

   คัดลอก

   from qdrant_client import QdrantClient
   from qdrant_client.models import PointStruct
   
   client = QdrantClient(url="http://10.10.0.70:6333", api_key="ChangeThisStrongApiKey")
   client.upsert(collection_name="docs", points=[
       PointStruct(id=1, vector=embedding, payload={"dept": "hr", "title": "ระเบียบการลา"}),
   ])

5. 5

   ค้นหาพร้อมกรองเงื่อนไข

   คัดลอก

   hits = client.query_points(
       collection_name="docs",
       query=question_embedding,
       query_filter={"must": [{"key": "dept", "match": {"value": "hr"}}]},
       limit=5,
   )

6. 6

   ตั้งการสำรองข้อมูล

   ตั้งให้สร้างสแนปช็อตของคอลเลกชันตามรอบและส่งไปเก็บที่ Object Storage เพราะการสร้างเวกเตอร์ใหม่ทั้งหมดใช้เวลาและค่าใช้จ่ายสูง

จำนวนมิติของเวกเตอร์ต้องตรงกับโมเดลที่ใช้แปลงข้อความเสมอ ถ้าเปลี่ยนโมเดลภายหลังต้องสร้างคอลเลกชันใหม่และแปลงเอกสารทั้งหมดอีกครั้ง