Выбор векторного хранилища для Amazon Bedrock Knowledge Bases
aws ·
В статье объясняется, как выбрать один из трех поддерживаемых базами знаний Amazon Bedrock управляемых клиентом бэкендов векторных хранилищ: Amazon OpenSearch Service, Amazon Aurora PostgreSQL с pgvector и Amazon S3 Vectors. В ней описывается роль векторных баз данных в генерации с дополнением поиском: фрагменты документов, преобразованные в векторы, извлекаются по семантическому сходству и передаются большой языковой модели в качестве контекста. OpenSearch представлен как оптимальный вариант для поиска в каталогах товаров в реальном времени, особенно когда важны низкая задержка, гибридный поиск по ключевым словам и векторам, фильтрация и агрегации. S3 Vectors позиционируется как решение для чувствительных к стоимости задач глубокого исследования и рабочих нагрузок большого масштаба, обеспечивающее эластичное масштабирование, пакетную обработку и извлечение данных менее чем за секунду в описанных тестах на Википедии. Aurora с pgvector рекомендуется для ориентированных на клиентов чат-ботов, которым необходима интеграция с реляционными данными и возможность сравнивать индексы HNSW и IVFFlat; оба протестированных подхода обеспечили медианную задержку менее 50 миллисекунд в описанной рабочей нагрузке. Рекомендации по выбору включают оценку задержки, моделей запросов, требований к гибридному поиску и чувствительности к стоимости; также отмечается, что многоуровневая архитектура может объединять S3 Vectors с OpenSearch или Aurora для критически важных с точки зрения производительности подмножеств данных. Поскольку в тестах использовались отдельные рабочие нагрузки, а не прямое сравнение по принципу «один к одному», статья советует командам тестировать варианты на собственных данных и с собственными моделями запросов.
aws