DEV Community
·
在关系数据库管理系统中实现RAG系统：使用Sqlite-vec和PGVector的Sqlite和Postgres
内容提要
本文讨论了将嵌入数据与其所代表的数据一起存储与使用外部向量数据库的利弊。存储嵌入数据与其所代表的数据一起方便且能够快速访问基于向量的搜索结果。考虑使用Postgres与PGVec（或PGVec-scale）作为辅助数据库也是一个不错的选择。
关键要点
-
讨论了将嵌入数据与其所代表的数据一起存储与使用外部向量数据库的利弊。
-
存储嵌入数据与其代表的数据一起方便，能够快速访问基于向量的搜索结果。
-
使用Postgres与PGVec（或PGVec-scale）作为辅助数据库是一个不错的选择。
-
专用向量数据库的价值不明显，因为存储和搜索向量的问题已经解决。
-
许多大型云服务提供商（如Oracle和Google）在其托管的MySQL服务中提供向量搜索功能。
-
Sqlite-vec是一个新的数据库扩展，支持向量搜索和嵌入存储与检索。
-
PGVector提供Postgres中的最近邻向量搜索，支持多种搜索算法。
-
PG-Vector-scale是PGVector的快速迭代，适用于大型部署和处理亿级向量的效率。
延伸问答
在关系数据库中存储嵌入数据的优缺点是什么？
在关系数据库中存储嵌入数据的优点是方便且能够快速访问基于向量的搜索结果，缺点是保持与外部向量数据库同步可能会很麻烦。
Sqlite-vec和PGVector有什么区别？
Sqlite-vec是一个数据库扩展，支持向量搜索和嵌入存储，而PGVector则提供Postgres中的最近邻向量搜索，支持多种搜索算法。
使用Postgres与PGVec的优势是什么？
使用Postgres与PGVec的优势在于它能够高效处理向量搜索，并支持多种搜索算法，适合大型部署。
为什么专用向量数据库的价值不明显？
专用向量数据库的价值不明显，因为存储和搜索向量的问题已经被解决，且关系数据库也在逐步提供这些功能。
如何在Sqlite中启用向量搜索功能？
在Sqlite中启用向量搜索功能需要使用Sqlite-vec扩展，并可能需要重新编译Python以支持相关功能。
PG-Vector-scale适合什么样的应用场景？
PG-Vector-scale适合处理大型部署和亿级向量的应用场景，能够高效进行分布式索引和查询。
