एंटरप्राइज़ डेटा में समानताएँ खोजने के लिए pgvector का उपयोग करना

सॉफ्टवेयर इंजीनियर इस दुनिया में एक रोमांचक स्थान रखते हैं। तकनीकी स्टैक या उद्योग के बावजूद, हमें उन समस्याओं को हल करने का काम सौंपा गया है जो सीधे हमारे नियोक्ताओं के लक्ष्यों और उद्देश्यों में योगदान करती हैं। एक बोनस के रूप में, हमें अपने सामने आने वाली किसी भी चुनौती को कम करने के लिए प्रौद्योगिकी का उपयोग करने का अवसर मिलता है। इस उदाहरण के लिए, मैं इस बात पर ध्यान केंद्रित करना चाहता था कि कैसे - पोस्टग्रेज़ के लिए एक ओपन-सोर्स वेक्टर समानता खोज - का उपयोग एंटरप्राइज़ डेटा में मौजूद डेटा समानताओं की पहचान करने के लिए किया जा सकता है। पीजीवेक्टर एक साधारण उपयोग का मामला एक सरल उदाहरण के रूप में, मान लें कि विपणन विभाग को उस अभियान के लिए सहायता की आवश्यकता है जिसे वे शुरू करने की योजना बना रहे हैं। लक्ष्य उन सभी खातों तक पहुंचना है जो उन उद्योगों में हैं जो सॉफ्टवेयर उद्योग के साथ निकटता से जुड़े हुए हैं। सेल्सफोर्स अंत में, वे भविष्य में अन्य उद्योगों के लिए समानताएं खोजने के लिए इस उपकरण का उपयोग करने की क्षमता के साथ, शीर्ष तीन सबसे समान उद्योगों के खातों पर ध्यान केंद्रित करना चाहेंगे। यदि संभव हो, तो वे हमेशा शीर्ष तीन को लौटाने के बजाय मिलान वाले उद्योगों की वांछित संख्या प्रदान करने का विकल्प चाहेंगे। उच्च स्तरीय डिज़ाइन यह उपयोग मामला समानता खोज करने पर केंद्रित है। हालाँकि इस अभ्यास को मैन्युअल रूप से पूरा करना संभव है, लेकिन पहले से प्रशिक्षित एम्बेडिंग के कारण टूल दिमाग में आता है जो पहले से ही कई भाषाओं के लिए बनाया गया है। शब्द एम्बेडिंग - जिसे वेक्टर के रूप में भी जाना जाता है - शब्दों का संख्यात्मक प्रतिनिधित्व है जिसमें उनकी वाक्यात्मक और अर्थ संबंधी जानकारी दोनों शामिल होती हैं। शब्दों को वैक्टर के रूप में प्रस्तुत करके, हम गणितीय रूप से यह निर्धारित कर सकते हैं कि कौन से शब्द शब्दार्थ की दृष्टि से दूसरों के "करीब" हैं। विकिपीडिया2Vec हमारे उदाहरण में, हम सेल्सफोर्स में कॉन्फ़िगर किए गए प्रत्येक उद्योग के लिए वर्ड वैक्टर बनाने के लिए एक सरल पायथन प्रोग्राम भी लिख सकते थे। एक्सटेंशन के लिए पोस्टग्रेज डेटाबेस की आवश्यकता होती है। हालाँकि, हमारे उदाहरण के लिए एंटरप्राइज़ डेटा वर्तमान में Salesforce में मौजूद है। सौभाग्य से, सेल्सफोर्स खातों को हेरोकू पोस्टग्रेज के साथ सिंक करने का एक आसान तरीका प्रदान करता है, इसे नामक तालिका में संग्रहीत करता है। फिर, हमारे पास नामक एक और तालिका होगी जिसमें Salesforce में प्रत्येक उद्योग (VARCHAR कुंजी के रूप में), उसके संबंधित शब्द वेक्टर के साथ शामिल होगा। pgvector हेरोकू कनेक्ट salesforce.account salesforce.industries पोस्टग्रेज में सेल्सफोर्स डेटा और वर्ड वैक्टर के साथ, हम जावा और स्प्रिंग बूट का उपयोग करके एक रेस्टफुल एपीआई बनाएंगे। यह सेवा आवश्यक क्वेरी निष्पादित करेगी और परिणाम JSON प्रारूप में वापस कर देगी। हम समाधान के उच्च-स्तरीय दृष्टिकोण को इस प्रकार चित्रित कर सकते हैं: स्रोत कोड GitLab में रहेगा. कमांड जारी करने से हेरोकू में तैनाती शुरू हो जाएगी, एक रेस्टफुल एपीआई पेश किया जाएगा जिसे मार्केटिंग टीम आसानी से उपभोग कर सकती है। git push heroku समाधान का निर्माण उच्च-स्तरीय डिज़ाइन के साथ, हम एक समाधान बनाना शुरू कर सकते हैं। अपने सेल्सफोर्स लॉगिन का उपयोग करके, मैं इस अभ्यास के लिए डेटा देखने के लिए स्क्रीन पर नेविगेट करने में सक्षम था। यहां एंटरप्राइज़ डेटा के पहले पृष्ठ का एक उदाहरण दिया गया है: अकाउंट्स एक हेरोकू ऐप बनाएं इस प्रयास के लिए, मैंने मार्केटिंग टीम के अनुरोध को हल करने के लिए हेरोकू का उपयोग करने की योजना बनाई। मैंने अपने हेरोकू खाते में लॉग इन किया और नामक एक नया एप्लिकेशन स्थापित करने के लिए बटन का उपयोग किया: similarity-search-sfdc नया ऐप बनाएं ऐप बनाने के बाद, मैं हेरोकू पोस्टग्रेज ऐड-ऑन खोजने के लिए टैब पर गया। मैंने ऐड-ऑन खोज फ़ील्ड में "पोस्टग्रेज़" टाइप किया। संसाधन सूची से चयन करने के बाद, मैंने योजना को चुना, लेकिन हेरोकू पोस्टग्रेज का मानक 0 पीजीवेक्टर पोस्टग्रेएसक्यूएल 15 या बीटा एसेंशियल-टियर डेटाबेस पर चलने वाले मानक-स्तरीय (या उच्चतर) डेटाबेस प्रसाद पर उपलब्ध है। जब मैंने ऐड-ऑन की पुष्टि की, तो हेरोकू ने एक कनेक्शन स्ट्रिंग तैयार की और प्रदान की। मुझे यह मेरे ऐप के टैब के अनुभाग में मिला। मैंने इस जानकारी का उपयोग अपने डेटाबेस से कनेक्ट करने और पीजीवेक्टर एक्सटेंशन को इस तरह सक्षम करने के लिए किया: DATABASE_URL सेटिंग कॉन्फ़िग वर्ज़ CREATE EXTENSION vector; इसके बाद, मैंने ऐड-ऑन खोजा और पाया। मैं जानता था कि इससे मुझे Salesforce में एंटरप्राइज़ डेटा से जुड़ने का एक आसान तरीका मिल जाएगा। हेरोकू कनेक्ट इस अभ्यास के लिए, निःशुल्क योजना बिल्कुल ठीक काम करती है। डेमो संस्करण इस बिंदु पर, ऐप के लिए टैब इस तरह दिखता था: similarity-search-sfdc संसाधन मैंने अपने सेल्सफोर्स खाते को " निर्देशों का पालन किया। फिर, मैंने सिंक्रनाइज़ेशन के लिए ऑब्जेक्ट का चयन किया। एक बार पूरा होने पर, मैं हेरोकू कनेक्ट और अंतर्निहित पोस्टग्रेज़ डेटाबेस में समान सेल्सफोर्स खाता डेटा देखने में सक्षम था। हेरोकू कनेक्ट से लिंक करने के लिए " हेरोकू कनेक्ट सेट अप करना खाता SQL परिप्रेक्ष्य से, मैंने जो किया उसके परिणामस्वरूप निम्नलिखित डिज़ाइन के साथ एक तालिका का निर्माण हुआ: salesforce.account create table salesforce.account ( createddate timestamp, isdeleted boolean, name varchar(255), systemmodstamp timestamp, accountnumber varchar(40), industry varchar(255), sfid varchar(18), id serial primary key, _hc_lastop varchar(32), _hc_err text ); वेक्टर उत्पन्न करें समानता खोज को अपेक्षित रूप से कार्य करने के लिए, मुझे प्रत्येक सेल्सफोर्स खाता उद्योग के लिए शब्द वैक्टर उत्पन्न करने की आवश्यकता थी: परिधान बैंकिंग जैव प्रौद्योगिकी निर्माण शिक्षा इलेक्ट्रानिक्स अभियांत्रिकी मनोरंजन खाद्य और पेय वित्त सरकार स्वास्थ्य देखभाल मेहमाननवाज़ी बीमा मिडिया लाभ के लिए नहीं अन्य मनोरंजन खुदरा शिपिंग तकनीकी दूरसंचार परिवहन उपयोगिताओं चूंकि प्राथमिक उपयोग के मामले ने सॉफ्टवेयर उद्योग के लिए समानताएं खोजने की आवश्यकता का संकेत दिया है, इसलिए हमें उस उद्योग के लिए एक शब्द वेक्टर भी तैयार करना होगा। इस अभ्यास के लिए चीजों को सरल रखने के लिए, मैंने Python 3.9 और नामक फ़ाइल का उपयोग करके इस कार्य को मैन्युअल रूप से निष्पादित किया, जो इस तरह दिखता है: embed.py from wikipedia2vec import Wikipedia2Vec wiki2vec = Wikipedia2Vec.load('enwiki_20180420_100d.pkl') print(wiki2vec.get_word_vector('software').tolist()) विधि उद्योग के लोअरकेस प्रतिनिधित्व की अपेक्षा करती है। कृपया ध्यान दें - get_word_vector() Python चलाने से शब्द के लिए निम्नलिखित शब्द वेक्टर उत्पन्न हुआ: embed.py software [-0.40402618050575256, 0.5711150765419006, -0.7885153293609619, -0.15960034728050232, -0.5692323446273804, 0.005377458408474922, -0.1315757781267166, -0.16840921342372894, 0.6626015305519104, -0.26056772470474243, 0.3681095242500305, -0.453583300113678, 0.004738557618111372, -0.4111144244670868, -0.1817493587732315, -0.9268549680709839, 0.07973367720842361, -0.17835664749145508, -0.2949991524219513, -0.5533796548843384, 0.04348105192184448, -0.028855713084340096, -0.13867013156414032, -0.6649054884910583, 0.03129105269908905, -0.24817068874835968, 0.05968991294503212, -0.24743635952472687, 0.20582349598407745, 0.6240783929824829, 0.3214546740055084, -0.14210252463817596, 0.3178422152996063, 0.7693028450012207, 0.2426985204219818, -0.6515568494796753, -0.2868216037750244, 0.3189859390258789, 0.5168254971504211, 0.11008890718221664, 0.3537853956222534, -0.713259220123291, -0.4132286608219147, -0.026366405189037323, 0.003034653142094612, -0.5275223851203918, -0.018167126923799515, 0.23878540098667145, -0.6077089905738831, 0.5368344187736511, -0.1210874393582344, 0.26415619254112244, -0.3066694438457489, 0.1471938043832779, 0.04954215884208679, 0.2045321762561798, 0.1391817331314087, 0.5286830067634583, 0.5764685273170471, 0.1882934868335724, -0.30167853832244873, -0.2122340053319931, -0.45651525259017944, -0.016777794808149338, 0.45624101161956787, -0.0438646525144577, -0.992512047290802, -0.3771328926086426, 0.04916151612997055, -0.5830298066139221, -0.01255014631897211, 0.21600870788097382, -0.18419665098190308, 0.1754663586616516, -0.1499166339635849, -0.1916201263666153, -0.22884036600589752, 0.17280352115631104, 0.25274306535720825, 0.3511175513267517, -0.20270302891731262, -0.6383468508720398, 0.43260180950164795, -0.21136239171028137, -0.05920517444610596, 0.7145522832870483, 0.7626600861549377, -0.5473887920379639, 0.4523043632507324, -0.1723199188709259, -0.10209759324789047, -0.5577948093414307, -0.10156919807195663, 0.31126976013183594, 0.3604489266872406, -0.13295558094978333, 0.2473849356174469, 0.278846800327301, -0.28618067502975464, 0.00527254119515419] उद्योगों के लिए तालिका बनाएं शब्द वैक्टर को संग्रहीत करने के लिए, हमें निम्नलिखित SQL कमांड का उपयोग करके पोस्टग्रेज डेटाबेस में एक तालिका जोड़ने की आवश्यकता है: industries create table salesforce.industries ( name varchar not null constraint industries_pk primary key, embeddings vector(100) not null ); तालिका बनाने के साथ, हम प्रत्येक उत्पन्न शब्द वैक्टर सम्मिलित करेंगे। हम इसे निम्न के समान SQL कथनों के साथ करते हैं: industries INSERT INTO salesforce.industries (name, embeddings) VALUES ('Software','[-0.40402618050575256, 0.5711150765419006, -0.7885153293609619, -0.15960034728050232, -0.5692323446273804, 0.005377458408474922, -0.1315757781267166, -0.16840921342372894, 0.6626015305519104, -0.26056772470474243, 0.3681095242500305, -0.453583300113678, 0.004738557618111372, -0.4111144244670868, -0.1817493587732315, -0.9268549680709839, 0.07973367720842361, -0.17835664749145508, -0.2949991524219513, -0.5533796548843384, 0.04348105192184448, -0.028855713084340096, -0.13867013156414032, -0.6649054884910583, 0.03129105269908905, -0.24817068874835968, 0.05968991294503212, -0.24743635952472687, 0.20582349598407745, 0.6240783929824829, 0.3214546740055084, -0.14210252463817596, 0.3178422152996063, 0.7693028450012207, 0.2426985204219818, -0.6515568494796753, -0.2868216037750244, 0.3189859390258789, 0.5168254971504211, 0.11008890718221664, 0.3537853956222534, -0.713259220123291, -0.4132286608219147, -0.026366405189037323, 0.003034653142094612, -0.5275223851203918, -0.018167126923799515, 0.23878540098667145, -0.6077089905738831, 0.5368344187736511, -0.1210874393582344, 0.26415619254112244, -0.3066694438457489, 0.1471938043832779, 0.04954215884208679, 0.2045321762561798, 0.1391817331314087, 0.5286830067634583, 0.5764685273170471, 0.1882934868335724, -0.30167853832244873, -0.2122340053319931, -0.45651525259017944, -0.016777794808149338, 0.45624101161956787, -0.0438646525144577, -0.992512047290802, -0.3771328926086426, 0.04916151612997055, -0.5830298066139221, -0.01255014631897211, 0.21600870788097382, -0.18419665098190308, 0.1754663586616516, -0.1499166339635849, -0.1916201263666153, -0.22884036600589752, 0.17280352115631104, 0.25274306535720825, 0.3511175513267517, -0.20270302891731262, -0.6383468508720398, 0.43260180950164795, -0.21136239171028137, -0.05920517444610596, 0.7145522832870483, 0.7626600861549377, -0.5473887920379639, 0.4523043632507324, -0.1723199188709259, -0.10209759324789047, -0.5577948093414307, -0.10156919807195663, 0.31126976013183594, 0.3604489266872406, -0.13295558094978333, 0.2473849356174469, 0.278846800327301, -0.28618067502975464, 0.00527254119515419] '); कॉलम को बड़े अक्षरों में उद्योग के नाम (सॉफ्टवेयर) से मेल खाना चाहिए। कृपया ध्यान दें - जबकि हमने सॉफ्टवेयर उद्योग (सॉफ्टवेयर) के लोअरकेस प्रतिनिधित्व के साथ एक शब्द वेक्टर बनाया है, industries.name एक बार जब सभी उत्पन्न शब्द वैक्टर तालिका में जोड़ दिए जाते हैं, तो हम अपना ध्यान RESTful API पेश करने पर केंद्रित कर सकते हैं। industries स्प्रिंग बूट सेवा का परिचय दें यही वह बिंदु था जहां एक सॉफ्टवेयर इंजीनियर के रूप में मेरा जुनून चरम पर पहुंच गया क्योंकि मेरे पास चुनौती को हल करने के लिए सब कुछ मौजूद था। इसके बाद, स्प्रिंग बूट 3.2.2 और जावा (टेमुरिन) 17 का उपयोग करते हुए, मैंने निम्नलिखित मावेन निर्भरता के साथ IntelliJ IDEA में प्रोजेक्ट बनाया: similarity-search-sfdc org.springframework.boot spring-boot-starter-actuator org.springframework.boot spring-boot-starter-data-jpa org.springframework.boot spring-boot-starter-web com.pgvector pgvector 0.1.4 org.postgresql postgresql runtime org.springframework.boot spring-boot-configuration-processor true org.projectlombok lombok true org.springframework.boot spring-boot-starter-test test मैंने ऑब्जेक्ट और (एम्बेडिंग) ऑब्जेक्ट दोनों के लिए सरलीकृत इकाइयाँ बनाईं, जो पहले बनाए गए पोस्टग्रेज़ डेटाबेस तालिकाओं के साथ पंक्तिबद्ध थीं। अकाउंट इंडस्ट्री @AllArgsConstructor @NoArgsConstructor @Data @Entity @Table(name = "account", schema = "salesforce") public class Account { @Id @Column(name = "sfid") private String id; private String name; private String industry; } @AllArgsConstructor @NoArgsConstructor @Data @Entity @Table(name = "industries", schema = "salesforce") public class Industry { @Id private String name; } JpaRepository इंटरफ़ेस का उपयोग करके, मैंने पोस्टग्रेज़ तालिकाओं तक आसान पहुंच की अनुमति देने के लिए निम्नलिखित एक्सटेंशन जोड़े: public interface AccountsRepository extends JpaRepository { @Query(nativeQuery = true, value = "SELECT sfid, name, industry " + "FROM salesforce.account " + "WHERE industry IN (SELECT name " + " FROM salesforce.industries " + " WHERE name != :industry " + " ORDER BY embeddings (SELECT embeddings FROM salesforce.industries WHERE name = :industry) " + " LIMIT :limit)" + "ORDER BY name") Set findSimilaritiesForIndustry(String industry, int limit); } public interface IndustriesRepository extends JpaRepository { } ध्यान दें कि विधि वह जगह है जहां इस उपयोग के मामले को हल करने के लिए सभी भारी काम होंगे। विधि निम्नलिखित मापदंडों को स्वीकार करेगी: findSimilaritiesForIndustry() : उद्योग जिसके लिए समानताएँ ढूँढ़नी हैं industry : खातों के लिए पूछताछ करते समय खोजने के लिए उद्योग समानताओं की अधिकतम संख्या limit उपरोक्त हमारी क्वेरी में यूक्लिडियन दूरी ऑपरेटर ( ) पर ध्यान दें। समानता खोज करने के लिए यह एक्सटेंशन का अंतर्निहित है। ऑपरेटर मूल "सॉफ़्टवेयर" उद्योग उपयोग के मामले और तीन निकटतम उद्योगों के लिए निर्धारित सीमा के साथ, निष्पादित की जा रही क्वेरी इस तरह दिखेगी: SELECT sfid, name, industry FROM salesforce.account WHERE industry IN (SELECT name FROM salesforce.industries WHERE name != 'Software' ORDER BY embeddings (SELECT embeddings FROM salesforce.industries WHERE name = 'Software') LIMIT 3) ORDER BY name; वहां से, मैंने जेपीए रिपॉजिटरी के साथ इंटरैक्ट करने के लिए क्लास का निर्माण किया: AccountsService @RequiredArgsConstructor @Service public class AccountsService { private final AccountsRepository accountsRepository; private final IndustriesRepository industriesRepository; public Set getAccountsBySimilarIndustry(String industry, int limit) throws Exception { List industries = industriesRepository.findAll(); if (industries .stream() .map(Industry::getName) .anyMatch(industry::equals)) { return accountsRepository .findSimilaritiesForIndustry(industry, limit); } else { throw new Exception( "Could not locate '" + industry + "' industry"); } } } अंत में, मैंने क्लास को एक रेस्टफुल एंट्री पॉइंट प्रदान किया और से कनेक्ट किया: AccountsController AccountsService @RequiredArgsConstructor @RestController @RequestMapping(value = "/accounts") public class AccountsController { private final AccountsService accountsService; @GetMapping(value = "/similarities") public ResponseEntity > getAccountsBySimilarIndustry(@RequestParam String industry, @RequestParam int limit) { try { return new ResponseEntity<>( accountsService .getAccountsBySimilarIndustry(industry, limit), HttpStatus.OK); } catch (Exception e) { return new ResponseEntity<>(HttpStatus.NOT_FOUND); } } } हेरोकू पर तैनात करें स्प्रिंग बूट सेवा तैयार होने के साथ, मैंने प्रोजेक्ट में निम्नलिखित जोड़ा, जिससे हेरोकू को हमारी सेवा के बारे में और जानकारी मिल सके: Procfile web: java $JAVA_OPTS -Dserver.port=$PORT -jar target/*.jar सुरक्षित रहने के लिए, मैंने यह निर्दिष्ट करने के लिए फ़ाइल जोड़ी कि जावा और मावेन के कौन से संस्करण अपेक्षित हैं: system.properties java.runtime.version=17 maven.version=3.9.5 हेरोकू सीएलआई का उपयोग करते हुए, मैंने हेरोकू प्लेटफॉर्म पर सेवा के लिए अपने गिटलैब रिपॉजिटरी में एक रिमोट जोड़ा: similarity-search-sfdc heroku git:remote -a similarity-search-sfdc मैंने निम्नलिखित कमांड के माध्यम से सेवा के लिए बिल्डपैक प्रकार भी सेट किया है: similarity-search-sfdc heroku buildpacks:set https://github.com/heroku/heroku-buildpack-java अंत में, मैंने निम्नलिखित कमांड का उपयोग करके हेरोकू में सेवा तैनात की: similarity-search-sfdc git push heroku अब, ऐप के लिए टैब नीचे दिखाए अनुसार दिखाई दिया: similarity-search-sfdc संसाधन कार्रवाई में समानता की खोज रेस्टफुल एपीआई चलने के साथ, मैंने शीर्ष तीन सेल्सफोर्स उद्योगों (और संबंधित खातों) का पता लगाने के लिए निम्नलिखित कर्ल कमांड जारी किया जो उद्योग के सबसे करीब हैं: सॉफ्टवेयर curl --location 'https://HEROKU-APP-ROOT-URL/accounts/similarities?industry=Software&limit=3' RESTful API निम्नलिखित पेलोड के साथ प्रतिक्रिया स्थिति लौटाता है: 200 OK HTTP [ { "id": "001Kd00001bsP80IAE", "name": "CleanSlate Technology Group", "industry": "Technology" }, { "id": "001Kd00001bsPBFIA2", "name": "CMG Worldwide", "industry": "Media" }, { "id": "001Kd00001bsP8AIAU", "name": "Dev Spotlight", "industry": "Technology" }, { "id": "001Kd00001bsP8hIAE", "name": "Egghead", "industry": "Electronics" }, { "id": "001Kd00001bsP85IAE", "name": "Marqeta", "industry": "Technology" } ] परिणामस्वरूप, इस उदाहरण में , और उद्योग उद्योग के निकटतम उद्योग हैं। प्रौद्योगिकी मीडिया इलेक्ट्रॉनिक्स सॉफ्टवेयर अब, विपणन विभाग के पास उन खातों की एक सूची है जिनसे वे अपने अगले अभियान के लिए संपर्क कर सकते हैं। निष्कर्ष वर्षों पहले, मैंने मल्टीप्लेयर वीडियो गेम खेलने में जितना मैं स्वीकार करना चाहता था उससे अधिक समय बिताया था। यहां 2012 की एक घटना का स्क्रीनशॉट है जो बहुत मजेदार था: टीम फोर्ट्रेस 2 जो लोग मेरे जीवन के इस पहलू से परिचित हैं वे आपको बता सकते हैं कि खिलाड़ी वर्ग के लिए मेरी डिफ़ॉल्ट पसंद सैनिक था। ऐसा इसलिए है क्योंकि सैनिक के पास स्वास्थ्य, चाल, गति और मारक क्षमता का सबसे अच्छा संतुलन होता है। मुझे ऐसा लगता है कि सॉफ्टवेयर इंजीनियर वास्तविक दुनिया के "सैनिक वर्ग" हैं क्योंकि हम किसी भी स्थिति के अनुकूल हो सकते हैं और ऐसे समाधान प्रदान करने पर ध्यान केंद्रित कर सकते हैं जो कुशल तरीके से अपेक्षाओं को पूरा करते हों। अब कुछ वर्षों से, मैं निम्नलिखित मिशन वक्तव्य पर ध्यान केंद्रित कर रहा हूं, जो मुझे लगता है कि किसी भी आईटी पेशेवर पर लागू हो सकता है: “अपना समय उन सुविधाओं/कार्यक्षमताओं को प्रदान करने पर केंद्रित करें जो आपकी बौद्धिक संपदा के मूल्य को बढ़ाती हैं। बाकी सभी चीजों के लिए रूपरेखाओं, उत्पादों और सेवाओं का लाभ उठाएं।'' - जे. वेस्टर इस पोस्ट के उदाहरण में, हम पोस्टग्रेज़ डेटाबेस के साथ एंटरप्राइज़ डेटा को सिंक्रनाइज़ करने के लिए हेरोकू कनेक्ट का लाभ उठाने में सक्षम थे। पीजीवेक्टर एक्सटेंशन स्थापित करने के बाद, हमने उन सेल्सफोर्स खातों से प्रत्येक अद्वितीय उद्योग के लिए वर्ड वैक्टर बनाए। अंत में, हमने एक स्प्रिंग बूट सेवा शुरू की, जिसने सेल्सफोर्स खातों का पता लगाने की प्रक्रिया को सरल बना दिया, जिनका उद्योग किसी अन्य उद्योग के सबसे करीब था। हमने मौजूदा ओपन-सोर्स प्रौद्योगिकियों, एक छोटी स्प्रिंग बूट सेवा और हेरोकू पास के साथ इस उपयोग के मामले को जल्दी से हल किया - पूरी तरह से मेरे मिशन कथन का पालन करते हुए। मैं कल्पना नहीं कर सकता कि इन ढाँचों, उत्पादों और सेवाओं के बिना कितना समय लगेगा। यदि आप रुचि रखते हैं, तो आप GitLab पर इस लेख का मूल स्रोत कोड पा सकते हैं: https://gitlab.com/johnjvester/similarity-search-sfdc आपका दिन सचमुच बहुत अच्छा हो!