Como escolher um banco de dados vetorial para o Amazon Bedrock Knowledge Bases
aws ·
O artigo explica como escolher entre os três backends de armazenamento vetorial gerenciados pelo cliente compatíveis com o Amazon Bedrock Knowledge Bases: Amazon OpenSearch Service, Amazon Aurora PostgreSQL com pgvector e Amazon S3 Vectors. Ele descreve o papel dos bancos de dados vetoriais na geração aumentada por recuperação, na qual fragmentos de documentos incorporados são recuperados por similaridade semântica e passados a um modelo de linguagem grande como contexto. O OpenSearch é apresentado como uma opção adequada para pesquisas de catálogos de produtos em tempo real, especialmente quando baixa latência, pesquisa híbrida por palavras-chave e vetores, filtragem e agregações são importantes. O S3 Vectors é indicado para pesquisas aprofundadas e cargas de trabalho em grande escala sensíveis a custos, com escalabilidade elástica, processamento orientado a lotes e recuperação em menos de um segundo nos testes relatados com a Wikipédia. O Aurora com pgvector é recomendado para chatbots voltados ao cliente que precisam de integração com dados relacionais e da flexibilidade para comparar a indexação HNSW e IVFFlat, sendo que ambas as abordagens testadas forneceram latência mediana inferior a 50 milissegundos na carga de trabalho descrita. As orientações de seleção recomendam avaliar a latência, os padrões de consulta, os requisitos de pesquisa híbrida e a sensibilidade a custos, observando que uma arquitetura em camadas pode combinar o S3 Vectors com o OpenSearch ou o Aurora para subconjuntos críticos para o desempenho. Como os benchmarks usaram cargas de trabalho separadas, em vez de uma comparação direta em condições idênticas, o artigo recomenda que as equipes testem as opções com seus próprios dados e padrões de consulta.
aws