---

Epsilla 是一款开源的向量数据库。我们的核心目标是确保向量搜索的可扩展性、高性能和高性价比。EpsillaDB 桥接了大型语言模型中信息检索与记忆保持之间的鸿沟。

使用 Docker 快速入门

1. 在 Docker 中运行后端

docker pull epsilla/vectordb
docker run --pull=always -d -p 8888:8888 -v /data:/data epsilla/vectordb

2. 使用 Python 客户端进行交互

pip install pyepsilla

from pyepsilla import vectordb

client = vectordb.Client(host='localhost', port='8888')
client.load_db(db_name="MyDB", db_path="/data/epsilla")
client.use_db(db_name="MyDB")

client.create_table(
    table_name="MyTable",
    table_fields=[
        {"name": "ID", "dataType": "INT", "primaryKey": True},
        {"name": "Doc", "dataType": "STRING"},
    ],
    indices=[
      {"name": "Index", "field": "Doc"},
    ]
)

client.insert(
    table_name="MyTable",
    records=[
        {"ID": 1, "Doc": "木星是我们太阳系中最大的行星。"},
        {"ID": 2, "Doc": "猎豹是陆地上跑得最快的动物，速度可达每小时60英里以上。"},
        {"ID": 3, "Doc": "文森特·梵高创作了著名的画作《星夜》。"},
        {"ID": 4, "Doc": "亚马逊河是世界上最长的河流。"},
        {"ID": 5, "Doc": "月球每27天绕地球公转一周。"},
    ],
)

client.query(
    table_name="MyTable",
    query_text="天体及其特征",
    limit=2
)

# 结果
# {
#     'message': '查询成功。',
#     'result': [
#         {'Doc': '木星是我们太阳系中最大的行星。', 'ID': 1},
#         {'Doc': '月球每27天绕地球公转一周。', 'ID': 5}
#     ],
#     'statusCode': 200
# }

核心特性：

• 面向生产环境的高性能相似度搜索，专为嵌入向量设计。

• 功能完备的数据库管理系统，采用熟悉的数据库、表和字段概念。向量只是另一种字段类型。

• 元数据过滤功能。

• 密集向量与稀疏向量融合的混合搜索。

• 内置嵌入支持，实现自然语言输入、自然语言输出的搜索体验。

• 原生云架构，计算与存储分离、无服务器模式以及多租户支持。

• 丰富的生态集成，包括 LangChain 和 LlamaIndex。

• 提供 Python、JavaScript 和 Ruby 客户端，以及 REST API 接口。

Epsilla 的核心采用 C++ 编写，并利用先进的学术级并行图遍历技术进行向量索引，从而实现比 HNSW 快10倍的向量搜索速度，同时保持超过99.9%的精确度。

Epsilla Cloud

立即试用我们完全托管的向量 DBaaS 服务：Epsilla Cloud

（实验性）无需启动 Docker 镜像即可直接使用 Epsilla 的 Python 库

1. 构建 Epsilla Python 绑定库包

cd engine/scripts
（如果在 Ubuntu 系统上，请先运行：bash setup-dev.sh）
bash install_oatpp_modules.sh
cd ..
bash build.sh
ls -lh build/*.so

2. 使用上一步构建的“build”文件夹中的 Python 绑定库“epsilla.so”和“libvectordb_dylib.so”运行测试

cd engine
export PYTHONPATH=./build/
export DB_PATH=/tmp/db33
python3 test/bindings/python/test.py

以下是一些示例代码：

import epsilla

epsilla.load_db(db_name="db", db_path="/data/epsilla")
epsilla.use_db(db_name="db")
epsilla.create_table(
    table_name="MyTable",
    table_fields=[
        {"name": "ID", "dataType": "INT", "primaryKey": True},
        {"name": "Doc", "dataType": "STRING"},
        {"name": "EmbeddingEuclidean", "dataType": "VECTOR_FLOAT", "dimensions": 4, "metricType": "EUCLIDEAN"}
    ]
)
epsilla.insert(
    table_name="MyTable",
    records=[
        {"ID": 1, "Doc": "柏林", "EmbeddingEuclidean": [0.05, 0.61, 0.76, 0.74]},
        {"ID": 2, "Doc": "伦敦", "EmbeddingEuclidean": [0.19, 0.81, 0.75, 0.11]},
        {"ID": 3, "Doc": "莫斯科", "EmbeddingEuclidean": [0.36, 0.55, 0.47, 0.94]}
    ]
)
(code, response) = epsilla.query(
    table_name="MyTable",
    query_field="EmbeddingEuclidean",
    response_fields=["ID", "Doc", "EmbeddingEuclidean"],
    query_vector=[0.35, 0.55, 0.47, 0.94],
    filter="ID < 6",
    limit=10,
    with_distance=True
)
print(code, response)

Epsilla Vector Database 快速上手指南

环境准备

• 系统要求：支持 Docker 的系统（Linux/macOS/Windows）
• 前置依赖：
  • 已安装 Docker Engine
  • Python 3.7+（用于客户端）

  中国开发者建议：配置 Docker 国内镜像加速器（如阿里云），并使用清华源加速 Python 包安装

安装步骤

1. 运行 Epsilla 后端服务（使用 Docker）：

   docker pull epsilla/vectordb
   docker run --pull=always -d -p 8888:8888 -v /data:/data epsilla/vectordb
   

2. 安装 Python 客户端（推荐国内镜像源）：

   pip install pyepsilla -i https://pypi.tuna.tsinghua.edu.cn/simple
   

基本使用

以下是最简示例，实现向量搜索：

from pyepsilla import vectordb

client = vectordb.Client(host='localhost', port='8888')
client.load_db(db_name="MyDB", db_path="/data/epsilla")
client.use_db(db_name="MyDB")

client.create_table(
    table_name="MyTable",
    table_fields=[
        {"name": "ID", "dataType": "INT", "primaryKey": True},
        {"name": "Doc", "dataType": "STRING"},
    ],
    indices=[
      {"name": "Index", "field": "Doc"},
    ]
)

client.insert(
    table_name="MyTable",
    records=[
        {"ID": 1, "Doc": "Jupiter is the largest planet in our solar system."},
        {"ID": 2, "Doc": "Cheetahs are the fastest land animals, reaching speeds over 60 mph."},
        {"ID": 3, "Doc": "Vincent van Gogh painted the famous work \"Starry Night.\""},
        {"ID": 4, "Doc": "The Amazon River is the longest river in the world."},
        {"ID": 5, "Doc": "The Moon completes one orbit around Earth every 27 days."},
    ],
)

client.query(
    table_name="MyTable",
    query_text="Celestial bodies and their characteristics",
    limit=2
)