Amazon DynamoDB теперь поддерживает векторный поиск в реальном времени, позволяя хранить и искать векторные эмбеддинги непосредственно в базе данных. Это обновление устраняет необходимость в использовании отдельных специализированных векторных хранилищ для многих приложений, упрощая архитектуру RAG-систем и обеспечивая масштабируемость при работе с большими объемами данных в облачной инфраструктуре AWS.
Интеграция позволяет разработчикам выполнять семантический поиск по данным, хранящимся в DynamoDB, используя стандартные операции API. Система поддерживает создание индексов для векторных представлений, что обеспечивает высокую производительность при поиске ближайших соседей (k-NN) даже при работе с таблицами, содержащими миллиарды записей. Это решение ориентировано на создание масштабируемых ИИ-приложений, где требуется низкая задержка при извлечении контекста для LLM.
Использование встроенного функционала позволяет избежать проблем синхронизации данных между основной БД и выделенным векторным индексом. Разработчики могут управлять жизненным циклом векторов с помощью существующих инструментов AWS, сохраняя при этом привычные гарантии доступности и консистентности DynamoDB. Функция доступна без необходимости миграции на другие платформы, что упрощает внедрение генеративного ИИ в существующие корпоративные сервисы.
Ключевые факты
- Векторный поиск реализован как нативная возможность DynamoDB, поддерживающая поиск k-NN (k-nearest neighbors).
- Поддерживаются различные метрики сходства, включая косинусное расстояние, евклидово расстояние и скалярное произведение.
- Индексация векторов происходит в реальном времени, что позволяет мгновенно использовать новые данные в поисковых запросах.
- Решение масштабируется до любого объема данных, сохраняя производительность на уровне миллисекунд для операций поиска.
- Обновление позволяет объединять метаданные и векторные представления в одной записи, упрощая логику фильтрации результатов поиска.