AWS a récemment annoncé la disponibilité générale de la recherche vectorielle pour Amazon MemoryDB, la base de données en mémoire gérée avec disponibilité Multi-AZ. Cette nouvelle fonctionnalité offre une latence ultra-faible et les performances de recherche vectorielle les plus rapides aux taux de rappel les plus élevés parmi les bases de données vectorielles sur AWS.
Lancée en 2021, Amazon MemoryDB est une base de données en mémoire durable et compatible Redis. Elle est désormais le choix géré recommandé pour la recherche vectorielle sur AWS dans des scénarios tels que les applications d’IA générative où les performances optimales constituent le critère de sélection le plus important. Channy Yunprincipal défenseur des développeurs chez AWS, écrit:
Avec la recherche vectorielle pour Amazon MemoryDB, vous pouvez utiliser l’API MemoryDB existante pour implémenter des cas d’utilisation d’IA générative tels que la génération augmentée de récupération (RAG), la détection d’anomalies (fraude), la récupération de documents et les moteurs de recommandation en temps réel. Vous pouvez également générer des intégrations vectorielles à l’aide de services d’intelligence artificielle et d’apprentissage automatique (IA/ML) comme Amazon Bedrock et Amazon SageMaker et les stocker dans MemoryDB.
Les développeurs peuvent générer des intégrations vectorielles à l’aide de services gérés tels qu’Amazon Bedrock et SageMaker et les stocker dans MemoryDB pour une recherche sémantique en temps réel pour RAG, une mise en cache sémantique durable à faible latence et une détection d’anomalies en temps réel.
Recherche de vecteur pour MemoryDB prend en charge le stockage de millions de vecteurs avec des requêtes à un seul chiffre en millisecondes et fournit des latences de mise à jour aux niveaux de débit les plus élevés avec un rappel supérieur à 99 %. Yun ajoute :
Avec la recherche vectorielle pour MemoryDB, vous pouvez détecter la fraude en modélisant les transactions frauduleuses en fonction de vos modèles ML par lots, puis en chargeant les transactions normales et frauduleuses dans MemoryDB pour générer leurs représentations vectorielles via des techniques de décomposition statistique telles que l’analyse en composantes principales (PCA).
La nouvelle capacité était publié en avant-première à re:Invent 2023 et la récente disponibilité générale introduit de nouvelles fonctionnalités et améliorations. Celles-ci incluent PLAGE_VECTORIELLEqui permet à la base de données de fonctionner comme un cache sémantique durable à faible latence, et SCOREqui filtre mieux sur la similarité. Les champs vectoriels prennent en charge la recherche des K voisins les plus proches (KNN) de vecteurs de taille fixe à l’aide des algorithmes de recherche à plat (FLAT) et de petits mondes navigables hiérarchiques (HNSW).
J’ai observé le marché des bases de données vectorielles, qui connaît une croissance rapide avec l’émergence de nombreux nouveaux produits (…). Les experts estiment que le marché est de plus en plus encombré, ce qui rend difficile pour les nouveaux produits de se démarquer parmi la pléthore d’options existantes.
Shayon Sanyal et Graham Kutchekarchitectes de solutions spécialisées dans les bases de données chez AWS, détaillent les Considérations clés lors du choix d’une base de données pour les applications d’IA générativeIls suggèrent :
Si vous utilisez déjà OpenSearch Service, Aurora PostgreSQL, RDS pour PostgreSQL, DocumentDB ou MemoryDB, exploitez leurs fonctionnalités de recherche vectorielle pour vos données existantes. Pour les applications RAG basées sur des graphiques, pensez à Amazon Neptune. Si vos données sont stockées dans DynamoDB, OpenSearch peut être un excellent choix pour la recherche vectorielle à l’aide d’une intégration sans ETL. Si vous n’êtes toujours pas sûr, utilisez OpenSearch Service.
La recherche vectorielle est disponible pour Amazon MemoryDB version 7.1 et une configuration de fragment unique dans toutes les régions où la base de données est disponible.
2024-08-11 08:41:47
1723356872
#Amazon #MemoryDB #fournit #recherche #vectorielle #rapide #sur #AWS
