利用 Astra DB 的新 JSON API 构建 JavaScript 支持的 AI 应用程序

DataStax 的关键组成是让任何设计规划专业人员（无论是她们选用社么言语在校园营销推广活动的环节之中所构建）就能够及早将 AI 应该用软件包完工到的生产学习环境。

我们，我们的数据库即服务基于开源Apache Cassandra构建，可帮助开发人员创建 AI 应用程序。

Cassandra 被称作最厉害的大、可延伸且需要适用于工作的数据文件库。能够增多矢量图搜寻，Cassandra 和 Astra DB 已然为创造出一个单位级 Gen AI 软件方式的关键点基础上。但小编还还要确定这类强大的的天赋就最广泛泛的联合开发师当今社会是需要訪問和非常容易适用的，究竟你们都喜欢啥语言英文或天赋。

当下，自己朝这位方位跨入了大踏步，经过1个非常简单的 API，让丰富 JavaScript 的开发人群是可以考察社会上最厉害的矢量素材数据信息库：形成 Astra DB 的 JSON API。

了解 JSON API！

在 JavaScript 世界中，文档数据库很突出。这并不奇怪，因为JSON是 JavaScript 中的原生表示法，因此在数据库中存储和检索 JSON 文档的能力极大地加快了开发速度。

新的 JSON API 此次为加入新 AI 技术应用软件程序的 JavaScript 联合開發设计相关人数保证自然的联合開發设计职业体验。你们强院于事关要是您是 JavaScript 联合開發设计相关人数，您能够打火 Astra DB 事列并会在使用您自己熟悉的的样例和的框架起商品编码。

将 Astra DB 公开为文档数据库可为开发人员体验带来多项改进：

• 您会基于 JSON 对方开始考量，这使您会与 JavaScript 自然而然生态体系自然而然始终维持相符。
• 也没有参数模型制作步奏，而且它是由参数库客观存在清理的。您只需存储和数据检索文件。
• 您也可以迅速着手联合开发，并精益求精于选用方式逻辑关系而是不后面引发的东西。

  
  

与 MongooseJS 集成

我们还注意到，JavaScript 社区的许多成员通过对象数据建模 (ODM) 库（特别是MongooseJS）使用文档数据库。 MongooseJS 是一种流行的文档数据库对象建模框架。和和，不需要介绍。

Astra DB 的新 JSON API 与 MongooseJS 几乎兼容。这代表着只需几行代码怎么用需先将 MongooseJS 偏向 Astra 数剧库样例：

 // Import MongooseJS. const mongoose = require("mongoose"); // Import the driver for Astra DB (shipped as a part of stargate.io). const { driver } = require("stargate-mongoose"); // Tell MongooseJS to use the Astra DB driver instead of the default one. mongoose.setDriver(driver); // Connect to Astra DB. await mongoose.connect(astraDbUri, { isAstra: true, });

联接后，您行操作 MongooseJS API，Astra DB 将责任而有效的习惯存储空间文件、为其建设检索、在必须时去扩大的琐碎运作。

矢量搜索支持

更好的的是，当用 Astra DB 扶持的 MongooseJS 展开定制开拓时，您会压根互访 Astra DB Vector，这时必然1个专为互相搜索引擎和更行区域划分式信息报告和流岗位过载而装修设计的信息报告库，极具超底时间延迟，同时极高有关系的矢量素材图结局，削除亢余。故而，您会获取 MongooseJS 的易用性和记住性，同时 Astra DB 多样化的矢量素材图扶持和可优化性。用 JavaScript 定制开拓 AI 适用执行程序尚未越来越简简单单！

我不想们看这个简短的举例，掌握怎么样去在 MongooseJS 用途软件程序中选择 Astra DB 的失量归类。抱歉举例中，咱们将使用这个电视电影子集，这之中含盖文字介绍和有些另外消息，举列主题、制造农历年和形式。然而，咱们将指示标志 MongooseJS 咱们要存储空间介绍的。建模 概念正确：

 const Movie = mongoose.model( "Movie", new mongoose.Schema( { title: String, year: Number, genre: String, description: String, $vector: { type: [Number], validate: (vector) => vector && vector.length === 1536, }, }, { collectionOptions: { vector: { size: 1536, function: "cosine", }, }, }, ), );

亲切 MongooseJS 的不会会发现这只是一种具代表性的 MongooseJS 类别，不仅有 Astra DB 驱动器子程序同意的2个追加地方：

1. 用于存储向量嵌入的特殊$vector field 。
2. collectionOptions.vector对象告诉 Astra DB 如何索引向量嵌入字段。使用上面的模型，您可以插入文档和嵌入：

 await Movie.insert({ title: "In the Border States", year: 1910, genre: "Drama", description: "In the Border States is a 1910 American drama film...",// Generate embedding for the description, // for example by invoking the OpenAI API. $vector: embedding("In the Border States is a 1910 American drama film..."), });

您的运用过程现如今行提供大数据进入随意论文格式手机检查以按片里说明收索片里的功能键。因此，您将动用同一的类别为观众的手机检查添加内嵌，并动用 Astra DB 的矢量素材收索来检查大数据之中最相关的的条款：

 await Movie.find({}) .sort({ $vector: { $meta: embedding("Something funny") } }) .limit(3);

当然了，在好多原因下，矢量图百度搜索本就不一定够的，因您可能会也希望将其与由于表格中另外字符串的油烟净化器依照上来。举例子，下面是怎么寻到与下一个范例之类的重要性外国电影，但仅看电视节目剧：

 await Movie.find({ genre: "Drama" }) .sort({ $vector: { $meta: embedding("Criminals and detectives") } }) .limit(3);

运用 MongooseJS 和 Astra DB，您从不有限性于简单的 CRUD 的使用。您会运用向量来搞好团结这些食品做好相关的性寻找，而且会将三者组和成变强的相溶寻找查寻。

JSON API 入门

新的 JSON API 迄今为止地处公众图片预览版，一些很想勇于尝试的人都行以在 Astra DB 上用。按照照左右6个非常简单方法流程始于：

1. 转到Astra DB并创建矢量数据库。

   

   
   

2. 参数库存在活跃环境后，变换到“对接”选卡，选“JSON API”用于您的首推做法，那么遵循反映做出实际操作。

   
   

   
   

   

   
   

3. 想受开发技术的挑戰！

   
   

关干是怎样的安全使用 JSON API 的很多简要信息查询，请参阅word文件。

下一步是什么？

可以通过机遇 JSON API，小编的的愿望很明晰：小编想让 Astra DB 变成 JavaScript 研发人员管理创造出一两个 AI 应运流程的最好。这都是一两个现在开始——请延续观注进1步的改进措施和补点。

有大问题、反映，和您和人们这样性冲动？请按照给人们qq空间留言。

也发布新闻