Een AI Search-indexresource toevoegen aan een Databricks-app

Voeg AI Search-indexen toe als resources voor Databricks Apps om semantische zoekopdrachten en ophalen op basis van overeenkomst in uw applicaties mogelijk te maken. AI Search-indexen slaan hoogdimensionale vector-embeddings op en bevragen deze, waardoor toepassingen zoals retrieval-augmented generation (RAG), semantisch zoeken en aanbevelingssystemen mogelijk worden.

Databricks AI Search werd voorheen Databricks Vector Search genoemd.

Vereisten voor bevoegdheden

Voor toegang tot een AI Search-index moet de service-principal van de app de USE CATALOG bevoegdheid hebben voor de bovenliggende catalogus, de USE SCHEMA bevoegdheid voor het bovenliggende schema en de SELECT bevoegdheid voor de index. Wanneer u de indexresource toevoegt, verleent Azure Databricks deze bevoegdheden automatisch aan de service-principal van de app.

Voor deze automatische toekenning om te slagen, moet een van de volgende voorwaarden gelden voor elke bevoegdheid:

• Voor USE CATALOG: alle accountgebruikers hebben de USE CATALOG bevoegdheid voor de catalogus of u hebt de MANAGE bevoegdheid voor de catalogus.
• Voor USE SCHEMA: alle accountgebruikers hebben de USE SCHEMA bevoegdheid voor het schema of u hebt de MANAGE bevoegdheid voor het schema.
• Voor SELECT: alle accountgebruikers hebben de SELECT bevoegdheid voor de index of u hebt de MANAGE bevoegdheid voor de index.

Zie Query's uitvoeren op een AI Search-index voor meer informatie over het uitvoeren van query's op AI Search-indexen met deze machtigingen.

Raadpleeg Unity Catalog-bevoegdhedenoverzicht.

Een AI Search-indexresource toevoegen

Voordat u een AI Search-index als een resource toevoegt, controleert u de vereisten voor de app-resource.

1. Klik in de sectie App-resources wanneer u een app maakt of bewerkt op + Resource>Vector-zoekindex toevoegen.
2. Kies een AI Search-index uit de beschikbare indexen in uw werkruimte. De index moet al bestaan in Unity Catalog.
3. Selecteer het machtigingsniveau voor uw app:
   • Kan het volgende selecteren: Verleent de app toestemming om een query uit te voeren op de AI Search-index voor zoekopdrachten naar overeenkomsten. Komt overeen met de SELECT bevoegdheid.
4. (Optioneel) Geef een aangepaste resourcesleutel op. Zo verwijst u naar de index in uw app-configuratie. De standaardsleutel is vector-search-index.

Omgevingsvariabelen

Wanneer u een app implementeert met een AI Search-indexresource, maakt Azure Databricks de volledige naam op drie niveaus beschikbaar via omgevingsvariabelen waarnaar u kunt verwijzen via het veld valueFrom.

Voorbeeldconfiguratie:

env:
  - name: VECTOR_SEARCH_INDEX
    valueFrom: vector-search-index # Use your custom resource key if different

De index in uw toepassing gebruiken:

import os
from databricks.sdk import WorkspaceClient

# Access the AI Search index name
index_name = os.getenv("VECTOR_SEARCH_INDEX")

# Initialize workspace client
w = WorkspaceClient()

# Query the AI Search index
results = w.vector_search_indexes.query_index(
    index_name=index_name,
    query_text="What is machine learning?",
    num_results=10
)

# Process results
for result in results.manifest.columns:
    print(f"Result: {result}")

Zie Omgevingsvariabelen gebruiken voor toegang tot resources voor meer informatie.

Een AI Search-indexresource verwijderen

Wanneer u een AI Search-indexresource verwijdert uit een app, verliest de service-principal van de app de toegang tot de index. De index zelf blijft ongewijzigd en blijft beschikbaar voor andere gebruikers en toepassingen met de juiste machtigingen.

Beste praktijken

Houd rekening met het volgende wanneer u met AI Search-indexbronnen werkt:

• Zorg ervoor dat de service-principal van de app toegang heeft tot onderliggende gegevensbronnen als de index verwijst naar andere tabellen.
• Bewaak de queryprestaties en pas de indexconfiguratie of het insluiten van modellen aan als de reactietijden afnemen.
• Overweeg vernieuwingsschema's voor indexen om insluitingen gesynchroniseerd te houden met brongegevens.
• Gebruik de juiste metrische gegevens over overeenkomsten (cosinus, euclidean, dot-product) op basis van uw insluitingsmodel.