Hinzufügen einer AI-Suchindexressource zu einer Databricks-App

Fügen Sie KI-Suchindizes als Databricks-Apps-Ressourcen hinzu, um semantische Suche und ähnlichkeitsbasiertes Abrufen in Ihren Anwendungen zu ermöglichen. KI-Suchindizes speichern und durchsuchen hochdimensionale Vektoreinbettungen und ermöglichen Anwendungsfälle wie Retrieval-Augmented Generation (RAG), semantische Suche und Empfehlungssysteme.

Databricks AI Search wurde früher als Databricks Vector Search bezeichnet.

Berechtigungsanforderungen

Um auf einen AI-Suchindex zuzugreifen, muss der Dienstprinzipal der App über die USE CATALOG Berechtigungen für den übergeordneten Katalog, die USE SCHEMA Berechtigungen für das übergeordnete Schema und die SELECT Berechtigungen für den Index verfügen. Wenn Sie die Indexressource hinzufügen, gewährt Azure Databricks diese Berechtigungen automatisch dem Dienstprinzipal der App.

Damit diese automatische Gewährung erfolgreich ausgeführt werden kann, muss für jede Berechtigung eine der folgenden Bedingungen erfüllt sein:

• Für USE CATALOG: Entweder verfügen alle Kontobenutzer über die Berechtigung USE CATALOG für den Katalog, oder Sie verfügen über die Berechtigung MANAGE für den Katalog.
• Für USE SCHEMA: Entweder haben alle Kontobenutzer das USE SCHEMA-Privileg für das Schema, oder Sie haben das MANAGE-Privileg für das Schema.
• Für SELECT: Entweder haben alle Kontobenutzer das SELECT-Recht auf den Index, oder Sie haben das MANAGE-Recht auf den Index.

Weitere Informationen zum Abfragen von KI-Suchindizes mit diesen Berechtigungen finden Sie unter How to query an AI Search index.

Siehe Unity Catalog-Berechtigungsreferenz.

Hinzufügen einer AI-Suchindexressource

Bevor Sie einen AI-Suchindex als Ressource hinzufügen, überprüfen Sie die Voraussetzungen für die App-Ressource.

1. Klicken Sie im Abschnitt App-Ressourcen beim Erstellen oder Bearbeiten einer App auf + Ressource hinzufügen>Vektorsuchindex.
2. Wählen Sie einen AI-Suchindex aus den verfügbaren Indizes in Ihrem Arbeitsbereich aus. Der Index muss bereits im Unity-Katalog vorhanden sein.
3. Wählen Sie die Berechtigungsstufe für Ihre App aus:
   • Kann auswählen: Erteilt der App die Berechtigung zum Abfragen des AI-Suchindex für Ähnlichkeitssuchen. Entspricht der SELECT Berechtigung.
4. (Optional) Geben Sie einen benutzerdefinierten Ressourcenschlüssel an, mit dem Sie in der App-Konfiguration auf den Index verweisen. Der Standardschlüssel ist vector-search-index.

Umgebungsvariablen

Wenn Sie eine App mit einer AI Search-Indexressource bereitstellen, macht Azure Databricks den vollständigen Namen auf drei Ebenen über Umgebungsvariablen verfügbar, auf die Sie mithilfe des valueFrom Felds verweisen können.

Beispielkonfiguration:

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

Verwenden des Indexes in Ihrer Anwendung:

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}")

Weitere Informationen finden Sie unter Verwenden von Umgebungsvariablen für den Zugriff auf Ressourcen.

Entfernen einer AI-Suchindexressource

Wenn Sie eine AI-Suchindexressource aus einer App entfernen, verliert der Dienstprinzipal der App den Zugriff auf den Index. Der Index selbst bleibt unverändert und ist weiterhin für andere Benutzer und Anwendungen verfügbar, die über entsprechende Berechtigungen verfügen.

Bewährte Methoden

Beachten Sie Folgendes, wenn Sie mit AI Search-Indexressourcen arbeiten:

• Stellen Sie sicher, dass der Dienstprinzipal der App Zugriff auf zugrunde liegende Datenquellen hat, wenn der Index auf andere Tabellen verweist.
• Überwachen Sie die Abfrageleistung, und passen Sie die Indexkonfiguration oder Einbettungsmodelle an, wenn die Reaktionszeiten beeinträchtigt werden.
• Erwägen Sie Zeitpläne für die Indexaktualisierung, um Einbettungen mit Quelldaten zu synchronisieren.
• Verwenden Sie geeignete Ähnlichkeitsmetriken (Kosinus, Euklidan, Punktprodukt) basierend auf Ihrem Einbettungsmodell.