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
💡
原文英文，约900词，阅读约需4分钟。
📝
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。
➡️
