Cómo elegir un almacén vectorial para Amazon Bedrock Knowledge Bases
aws ·
El artículo explica cómo elegir entre los tres backends de almacenes vectoriales administrados por el cliente compatibles con Amazon Bedrock Knowledge Bases: Amazon OpenSearch Service, Amazon Aurora PostgreSQL con pgvector y Amazon S3 Vectors. Describe el papel de las bases de datos vectoriales en la generación aumentada mediante recuperación, en la que los fragmentos de documentos convertidos en embeddings se recuperan por similitud semántica y se proporcionan a un modelo de lenguaje grande como contexto. OpenSearch se presenta como una opción adecuada para la búsqueda en tiempo real de catálogos de productos, especialmente cuando son importantes la baja latencia, la búsqueda híbrida por palabras clave y vectores, el filtrado y las agregaciones. S3 Vectors se orienta a investigaciones exhaustivas y cargas de trabajo a gran escala sensibles al costo, con escalado elástico, procesamiento por lotes y recuperación en menos de un segundo en las pruebas reportadas con Wikipedia. Se recomienda Aurora con pgvector para chatbots orientados al cliente que necesitan integración con datos relacionales y flexibilidad para comparar la indexación HNSW e IVFFlat; ambos enfoques probados ofrecieron una latencia mediana inferior a 50 milisegundos en la carga de trabajo descrita. La guía de selección recomienda evaluar la latencia, los patrones de consulta, los requisitos de búsqueda híbrida y la sensibilidad al costo, y señala que una arquitectura por niveles puede combinar S3 Vectors con OpenSearch o Aurora para los subconjuntos críticos para el rendimiento. Dado que las pruebas comparativas utilizaron cargas de trabajo independientes en lugar de una comparación directa en igualdad de condiciones, el artículo aconseja a los equipos probar las opciones con sus propios datos y patrones de consulta.
aws