MSVBASE
MSVBASE is a system that efficiently supports complex queries of both approximate similarity search and relational operators. It integrates high-dimensional vector indices into PostgreSQL, a relational database to facilitate complex approximate similarity queries.
파일 탐색기
최종 버전 다운로드 (.zip)- codeql.yml
- docker-image.yml
- convert_bin.py
- cook_data.sh
- data_download.sh
- data_gen.py
- data_gen_spann.py
- data_prepare.sh
- load_data.sh
- spann_embedding_data.py
- spann_embedding_query.py
- spann_process.sh
- tag_data_gen.py
- tag_data_gen_spann.py
- create_vbase_docker.sh
- query_1_gt.out
- query_2_gt.out
- query_3_gt.out
- query_4_gt.out
- query_5_gt.out
- query_6_gt.out
- query_7_gt.out
- query_8_gt.out
- query_selectivity_0.03_gt.out
- query_selectivity_0.3_gt.out
- query_selectivity_0.9_gt.out
- latency.py
- latency_q8.py
- recall.py
- recall_q8.py
- run.sh
- run_table_4.sh
- run_table_5.sh
- run_table_6.sh
- load.sql
- query_1.py
- query_2.py
- query_3.py
- query_4.py
- query_5.py
- query_6.py
- query_7.py
- query_7_gt.py
- query_8.py
- query_8_gt.py
- analysis_table8.sh
- create_index.sh
- create_index_image.config
- load_data.sh
- query_1.sh
- query_2.sh
- query_3.sh
- query_4.sh
- query_5.sh
- query_6.sh
- query_7.sh
- query_8.sh
- query_generate.sh
- run_table8.sh
- load.sql
- query_1.py
- query_2.py
- query_3.py
- query_4.py
- query_5.py
- query_6.py
- query_7.py
- query_8.py
- query_selectivity_0.03.py
- query_selectivity_0.3.py
- query_selectivity_0.9.py
- analysis_table4.sh
- analysis_table5.sh
- analysis_table6.sh
- load_data.sh
- query_1.sh
- query_2.sh
- query_3.sh
- query_4.sh
- query_5.sh
- query_6.sh
- query_7.sh
- query_8.sh
- query_generate.sh
- query_selectivity_0.03.sh
- query_selectivity_0.3.sh
- query_selectivity_0.9.sh
- run.sh
- run_table4.sh
- run_table5.sh
- hnsw.patch
- new_pg.patch
- Postgres.patch
- spann.patch
- config_pgbuild_dev.sh
- docker-entrypoint.sh
- pg_start.sh
- pg_stop.sh
- dockerbuild.sh
- dockerrm.sh
- dockerrun.sh
- dockerstop.sh
- patch.sh
- vectordb.sql
- hnswindex.cpp
- hnswindex.hpp
- hnswindex_builder.cpp
- hnswindex_builder.hpp
- hnswindex_scan.cpp
- hnswindex_scan.hpp
- index.cpp
- index.hpp
- index_builder.cpp
- index_builder.hpp
- index_scan.cpp
- index_scan.hpp
- lib.cpp
- model_mng.cpp
- model_mng.hpp
- multicol_topk.cpp
- operator.cpp
- operator.hpp
- pase_hnswindex.cpp
- pase_hnswindex.hpp
- pase_hnswindex_builder.cpp
- pase_hnswindex_builder.hpp
- pase_hnswindex_scan.cpp
- pase_hnswindex_scan.hpp
- spannindex.cpp
- spannindex.hpp
- spannindex_builder.hpp
- spannindex_scan.cpp
- spannindex_scan.hpp
- topk.cpp
- util.cpp
- util.hpp
- CMakeLists.txt
- hnsw
- Postgres
- SPTAG
- .gitmodules
- azure-pipelines.yml
- CMakeLists.txt
- CODE_OF_CONDUCT.md
- Dockerfile
- LICENSE
- README.md
- SECURITY.md
- SUPPORT.md
- vectordb.control.in
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/microsoft/MSVBASE
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd MSVBASE
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. Docker
쉬움 추천사전 준비물
- Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
- Docker Desktop 컨테이너를 빌드하고 실행하려면 필요합니다. 설치 후 실행해서 백그라운드에 켜두세요.
docker exec -it --privileged --user=root vbase_open_source bash
이 명령어를 터미널에 그대로 입력해 실행하세요.
터미널에 docker compose ps 를 입력해 컨테이너들이 Up 상태인지 확인하세요. README에 포트 번호가 적혀있다면 브라우저에서 http://localhost:포트번호 로 접속해보세요.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
3. CMake
보통사전 준비물
mkdir build && cd build
빌드 결과물을 담을 폴더를 만들고 그 안으로 이동합니다.
cmake ..
소스코드를 분석해 빌드 설정 파일을 생성합니다 (build 폴더 안에서 실행해야 함).
make
생성된 빌드 설정을 바탕으로 실제 컴파일을 진행해 실행 파일을 만듭니다.
build 폴더 안에 실행 파일이 생성됐는지 확인하고, 직접 실행해보세요 (예: ./build/앱이름).
// repository documentation
Was this content helpful?
(0 ratings)