Blog - Supabase
·
推出Vector Buckets
💡
原文英文，约1600词，阅读约需6分钟。
📝
内容提要
Supabase推出了Vector Buckets，提供高效的向量存储和内置相似性搜索功能，支持存储数千万个向量，适用于语义搜索和推荐系统。与pgvector结合使用，简化了大规模数据集的向量管理和查询过程。目前该功能处于公共测试阶段，用户可免费试用。
🎯
关键要点
- Supabase推出了Vector Buckets，提供高效的向量存储和内置相似性搜索功能。
- Vector Buckets支持存储数千万个向量，适用于语义搜索和推荐系统。
- 用户可以使用pgvector处理小型、延迟敏感的数据集，而在需要存储大量向量时使用Vector Buckets。
- 每个Vector Bucket内可以定义一个或多个向量索引，支持高维向量和可选元数据的存储。
- Vector Buckets内置相似性搜索功能，能够根据向量表示找到概念相关的项目。
- 用户可以通过Supabase客户端或Postgres直接查询这些索引。
- Vector Buckets设计用于提供亚秒级的相似性搜索，适合大规模数据集的应用。
- 每个向量可以包含任意元数据对象，支持在相似性搜索中进行元数据过滤。
- Vector Buckets和pgvector是互补的，适合不同的使用场景。
- Vector Buckets目前处于公共测试阶段，用户可以免费试用。
❓
延伸问答
Vector Buckets是什么？
Vector Buckets是Supabase推出的一种新型存储选项，提供高效的向量存储和内置相似性搜索功能。
Vector Buckets适合哪些应用场景？
Vector Buckets适用于语义搜索、推荐系统、媒体相似性等需要存储数千万个向量的应用场景。
如何在Vector Buckets中存储和查询向量？
用户可以通过Supabase客户端或Postgres直接存储和查询向量，支持相似性搜索和元数据过滤。
Vector Buckets与pgvector有什么区别？
Vector Buckets适合存储大量向量，而pgvector更适合小型、延迟敏感的数据集，两者可以互补使用。
Vector Buckets的相似性搜索功能如何工作？
Vector Buckets内置相似性搜索功能，可以根据向量表示找到概念相关的项目，而不仅仅是精确的关键词匹配。
Vector Buckets目前处于什么阶段？
Vector Buckets目前处于公共测试阶段，用户可以免费试用，但需遵循公平使用政策。
➡️
