构建搜索 API服务

前面我们已完成在Qdrant创建了startups集合，导入了startups_demo.json数据，让我们开始构建神经搜索类。

为了处理传入请求，神经搜索需要两件事：1）将查询转换为向量的模型，2）Qdrant 客户端来执行搜索查询。

创建搜索类

1. 创建一个名为的文件neural_searcher.py并指定以下内容。

from qdrant_client import QdrantClient
from sentence_transformers import SentenceTransformer


class NeuralSearcher:
    def __init__(self, collection_name):
        self.collection_name = collection_name
        # Initialize encoder model
        self.model = SentenceTransformer("all-MiniLM-L6-v2", device="cpu")
        # initialize Qdrant client
        self.qdrant_client = QdrantClient("http://localhost:6333")

2. 编写搜索功能

def search(self, text: str):
    vector = self.model.encode(text).tolist()
    
    search_result = self.qdrant_client.search(
        collection_name=self.collection_name,
        query_vector=vector,
        query_filter=None,
        limit=5
    )
    
    payloads = [hit.payload for hit in search_result]
    return payloads

现在已经创建了一个用于神经搜索查询的类。现在将其包装到服务中

使用 FastAPI 部署搜索

要构建该服务，您将使用 FastAPI 框架。

1. 安装 FastAPI

要安装它，请使用命令

pip install fastapi uvicorn

2. 实现服务

创建一个名为的文件service.py并指定以下内容。

该服务只有一个 API 端点，如下所示：

from fastapi import FastAPI

# The file where NeuralSearcher is stored
from neural_searcher import NeuralSearcher

app = FastAPI()

# Create a neural searcher instance
neural_searcher = NeuralSearcher(collection_name='startups')

@app.get("/api/search")
def search_startup(q: str):
    return {
        "result": neural_searcher.search(text=q)
        # "result": neural_searcher.async_search(text=q) # 异步非阻塞
    }


if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)

3. 运行服务

python service.py

打开浏览器http://localhost:8000/docs

就可以看到服务的调试界面

请随意使用它，查询语料库中的公司，并查看结果

http://127.0.0.1:8000/api/search?q=Artificial%20intelligence%20machine%20learning

4. 异步非阻塞

调用QdrantClient替换为AsyncQdrantClient，AsyncQdrantClient提供与同步对应项相同的方法QdrantClient

注：AsyncQdrantClient提供与同步对应项相同的方法QdrantClient，异步是在qdrant-client1.6.1版本中引入

from qdrant_client import QdrantClient, AsyncQdrantClient

class NeuralSearcher:
    # .../ init()
	# 异步查询
    async def async_search(self, text: str):
        # AsyncQdrantClient提供与同步对应项相同的方法QdrantClient，异步客户端是在qdrant-client1.6.1版本中引入
        client = AsyncQdrantClient("http://localhost:6333")

        vector = self.model.encode(text).tolist()

        search_result = await client.search(
            collection_name=self.collection_name,
            query_vector=vector,
            query_filter=None,
            limit=5
        )

        payloads = [hit.payload for hit in search_result]
        return payloads