一、什么是向量数据库

​ 向量数据库（Vector Database），也叫矢量数据库，主要用来存储和处理向量数据。向量数据库的主要特点是高效存储与检索。利用索引技术和向量检索算法能实现高维大数据下的快速响应。

​ 在数学中，向量是有大小和方向的量，可以使用带箭头的线段表示，箭头指向即为向量的方向，线段的长度表示向量的大小。两个向量的距离或者相似性可以通过余弦距离、欧式距离、汉明距离（为二进制向量时）等得到。

​ 向量数据通常用于表示非结构化数据（如文本、图像、音频等）的特征。图像、文本和音视频这种非结构化数据都可以通过某种变换或者嵌入学习转化为向量数据存储到向量数据库中，从而实现对图像、文本和音视频的相似性搜索和检索。

1. 定义与价值

核心定义

Chroma是一款开源的AI原生嵌入式向量数据库，专为高效存储和检索高维向量数据（Embeddings）而设计。它通过将非结构化数据（文本、图像等）转化为向量表示，支持基于语义相似性的快速检索，是大模型应用开发的核心基础设施。

定位与价值

• 定位：轻量级向量数据库，面向开发者提供简单易用的API，降低AI应用开发门槛。
• 价值：
  • 简化大模型集成：将知识、事实和技能转化为可插拔的向量数据，增强大模型的外部记忆能力。
  • 提升检索效率：支持毫秒级相似性搜索，比传统关键词检索快10倍以上。
  • 降低开发成本：无需复杂基础设施，支持从原型到生产的平滑扩展。

一、环境准备

1. Python 版本：Chroma 要求 ​Python 3.8 及以上版本​。

2. 包管理工具：使用 pip 安装依赖。

3. 虚拟环境：在虚拟环境中安装，以隔离项目依赖，避免依赖冲突。

   # 使用 Conda
   conda create -n chroma_env python=3.11
   conda activate chroma_env

   # 使用 venv
   python -m venv chroma_env
   source chroma_env/bin/activate  # Linux/macOS
   chroma_env\Scripts\activate      # Windows

一、客户端创建

# 内存模式（非持久化）
client = chromadb.Client()

# 持久化模式（本地持久化）
client = chromadb.PersistentClient(path="/path/to/storage")

# 客户端/服务器模式（远程访问）
client = chromadb.HttpClient(host='localhost', port=8000)

​
​ 在 ChromaDB 中，tenant（租户）和 database（数据库）是企业版（ChromaDB Enterprise）中用于实现多租户隔离的核心概念，通过逻辑隔离确保不同租户的数据和资源互不影响。

一、Chroma多租户

多租户核心概念

• 租户（Tenant）：Chroma 将租户定义为数据库的逻辑分组单元，用于模拟不同组织或用户的数据隔离。每个租户可包含多个数据库（Database），实现资源与数据的逻辑隔离。
• 数据库（Database）：隶属于租户的逻辑存储单元（如 research_db、production_db），同一租户下可创建多个数据库。
• 数据组织关系（ 租户 (Tenant) → 数据库 (Database) → 集合 (Collection) → 数据 (Documents/Embeddings)）：租户是顶层逻辑单元，向下管理多个数据库，每个数据库包含多个集合（Collection），集合中存储具体文档和向量。注：社区版需手动模拟此结构，企业版原生支持。