Wie man eine API Rest mit Pinecone erstellt (Schritt für Schritt)

Erstellen einer REST-API mit Pinecone: Schritt für Schritt

Wir bauen eine REST-API mit Pinecone, die es Ihnen ermöglicht, einfach mit Vektordaten zu interagieren. Dieser Ansatz ist entscheidend für diejenigen, die maschinelles Lernen und indizierte Daten implementieren möchten, ohne sich in den Details zu verlieren.

Voraussetzungen

• Python 3.11+
• pip install pinecone-io
• Grundlegendes Verständnis von RESTful APIs

Schritt 1: Richten Sie Ihre Umgebung ein

Zuerst müssen wir Python einrichten und den Pinecone-Client installieren. Stellen Sie sicher, dass Sie die richtige Version von Python haben. Der neueste Python-Client von Pinecone ist auf GitHub zu finden:

pip install pinecone-client

Installieren Sie ihn und überprüfen Sie die Installation mit dem folgenden Befehl:

pip show pinecone-client

Wenn Sie eine Fehlermeldung sehen, dass das Paket nicht gefunden wurde, befinden Sie sich wahrscheinlich in einer virtuellen Umgebung, die die richtige Bibliothek nicht hat, oder Ihre Python-Version ist inkompatibel. Installieren Sie die richtige Version oder aktivieren Sie die richtige Umgebung.

Schritt 2: Initialisieren Sie Pinecone

Um Pinecone zu verwenden, müssen wir es initialisieren. Sie benötigen einen API-Schlüssel, den Sie in Ihrem Pinecone-Dashboard finden können. So stellen Sie eine Verbindung her:

import pinecone

pinecone.init(api_key="YOUR_API_KEY", environment="us-west1-gcp")

Vergessen Sie nicht, YOUR_API_KEY durch Ihren tatsächlichen Pinecone-API-Schlüssel zu ersetzen. Wenn diese Zeile eine Ausnahme auslöst, überprüfen Sie, ob Ihr API-Schlüssel korrekt ist oder ob Sie versehentlich Ihre Umgebung in der falschen Region eingerichtet haben.

Schritt 3: Erstellen Sie einen Index

Jetzt müssen wir einen Index erstellen. Ein Index ist der Ort, an dem unsere Vektoren gespeichert werden. Geben Sie den Namen des Index und die Dimension der Vektoren an:

index_name = "example-index"
pinecone.create_index(index_name=index_name, dimension=128)

Stellen Sie sicher, dass Sie eine Dimension wählen, die der Länge Ihrer Vektor-Embeddings entspricht. Wenn Sie versuchen, einen Index mit falschen Dimensionen zu erstellen, sehen Sie eine Fehlermeldung, die von einer „Dimension Inkonsistenz“ spricht.

Schritt 4: Daten in den Index einfügen

Sobald unser Index konfiguriert ist, fügen wir einige Daten ein. Für die Demonstration fügen wir drei Vektoren ein:

index = pinecone.Index(index_name)

# Beispieldaten: (id, vektor)
data = [
 ("vec1", [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8]),
 ("vec2", [0.2, 0.3, 0.1, 0.5, 0.6, 0.8, 0.9, 0.7, 0.1, 0.4, 0.2, 0.3, 0.5, 0.2, 0.1, 0.5, 0.3, 0.2, 0.1, 0.4, 0.6, 0.3, 0.5, 0.1, 0.8, 0.5, 0.4, 0.3, 0.2, 0.1, 0.5, 0.9, 0.6, 0.7, 0.3, 0.9, 0.5, 0.2],
 ("vec3", [0.3, 0.4, 0.1, 0.2, 0.5, 0.6, 0.1, 0.7, 0.8, 0.9, 0.4, 0.2, 0.6, 0.7, 0.8, 0.5, 0.3, 0.2, 0.3, 0.1, 0.9, 0.8, 0.5, 0.4, 0.7, 0.1, 0.3, 0.2, 0.4, 0.1, 0.5, 0.6, 0.9, 0.2, 0.3, 0.5, 0.8, 0.7)
]

index.upsert(items=data)

Wenn Sie versuchen, Daten mit Vektoren einzufügen, die nicht die richtige Länge haben, sehen Sie einen Fehler, der sich über die Vektorlänge beschwert. Überprüfen Sie immer Ihre Dimensionen.

Schritt 5: Erstellen Sie die API-Endpunkte

Schließlich benötigen wir eine Flask-Anwendung, um unsere Pinecone-Operationen als REST-API-Endpunkte freizugeben. So richten Sie eine einfache API ein:

from flask import Flask, request, jsonify
app = Flask(__name__)

@app.route('/vectors', methods=['POST'])
def add_vectors():
 vectors = request.json.get('vectors')
 index.upsert(items=vectors)
 return jsonify({"status": "success", "message": "Vektoren hinzugefügt"}), 201

@app.route('/vectors/', methods=['GET'])
def get_vector(id):
 vector = index.fetch(ids=[id])
 return jsonify({"vector": vector}), 200

if __name__ == "__main__":
 app.run(debug=True)

Mit diesen Routen können Sie Vektoren über eine POST-Anfrage hinzufügen und sie mit einer GET-Anfrage abrufen. Stellen Sie sicher, dass Sie bei Tests mit Tools wie Postman die richtigen Inhaltstyp-Header einfügen. Wenn Sie dies vergessen, wird Ihre Anwendung einen Fehler aufgrund fehlender Daten zurückgeben, also vernachlässigen Sie das nicht.

Tipps

• API-Schlüssel Exposition: Es ist einfach, versehentlich Ihren Code mit Ihrem API-Schlüssel in ein öffentliches Repository zu pushen. Verwenden Sie Umgebungsvariablen, um sensible Daten sicher zu speichern.
• Pinecone Index Limits: Unterschiedliche Abonnementstufen bei Pinecone haben Limits für die Anzahl der Indizes, die Sie erstellen können. Seien Sie vorsichtig!
• Fehlerbehandlung: Behandeln Sie Fehler in Ihrer Flask-Anwendung richtig. Wenn Sie das nicht tun, könnte Ihre Benutzeroberfläche ohne Hinweis darauf, was schief gelaufen ist, abstürzen.
• Dimension der Vektoren: Stellen Sie immer sicher, dass die Dimensionen Ihrer Vektoren mit den Dimensionen Ihres Index übereinstimmen. Das spart Ihnen Stunden an Debugging.

Vollständiger Code

import pinecone
from flask import Flask, request, jsonify

# Schritt 1: Initialisieren Sie Pinecone
pinecone.init(api_key="YOUR_API_KEY", environment="us-west1-gcp")
index_name = "example-index"
pinecone.create_index(index_name=index_name, dimension=128)

# Schritt 2: Erstellen Sie die Flask-Anwendung
app = Flask(__name__)
index = pinecone.Index(index_name)

@app.route('/vectors', methods=['POST'])
def add_vectors():
 vectors = request.json.get('vectors')
 index.upsert(items=vectors)
 return jsonify({"status": "success", "message": "Vektoren hinzugefügt"}), 201

@app.route('/vectors/', methods=['GET'])
def get_vector(id):
 vector = index.fetch(ids=[id])
 return jsonify({"vector": vector}), 200

if __name__ == "__main__":
 app.run(debug=True)

Und danach?

Jetzt, da Sie eine funktionierende REST-API haben, ist der nächste logische Schritt, ein Frontend zu integrieren, um diese API aufzurufen und die Daten zu visualisieren. Ziehen Sie in Betracht, eine einfache React-Anwendung oder ein anderes modernes Frontend-Framework zu verwenden, das Ihnen ermöglicht, API-Aufrufe zu machen.

FAQ

• Was kann ich tun, wenn meine Vektoren nicht im Index erscheinen?
  Stellen Sie sicher, dass die Einfügeanfrage korrekt formatiert ist, und überprüfen Sie die Serverprotokolle auf Fehler.
• Kann ich Vektoren mit unterschiedlichen Dimensionen speichern?
  Nein, alle Vektoren in einem Pinecone-Index müssen die gleiche Dimension haben.
• Wie lösche ich Vektoren?
  Verwenden Sie die Löschmethode des Index mit der ID des Vektors, um spezifische Einträge zu entfernen.

Datenquellen

Sehen Sie sich die offizielle Dokumentation von Pinecone auf GitHub für weitere Details an: pinecone-io/pinecone-python-client. Für spezifische Informationen zur API besuchen Sie das Pinecone-Community-Forum.

Repository	Sterne	Forks	Offene Probleme	Lizenz	Letztes Update
pinecone-io/pinecone-python-client	422	117	43	Apache-2.0	2026-03-17

Letztes Update am 26. März 2026. Daten stammen aus offiziellen Dokumenten und Community-Benchmarks.

🕒 Published: March 30, 2026