Какие векторные хранилища вы знаете?

Что такое векторные хранилища?

Векторные хранилища — это специализированные базы данных, оптимизированные для хранения и поиска векторных эмбеддингов. Они позволяют находить объекты, семантически близкие к заданному запросу, используя метрики расстояния (косинусное сходство, евклидово расстояние).

Основные представители

• Pinecone — полностью управляемый облачный сервис, простой в интеграции, поддерживает фильтрацию по метаданным.
• FAISS — библиотека от Meta для эффективного поиска ближайших соседей (ANN), часто используется в Python-проектах.
• Weaviate — open-source векторная БД с поддержкой гибридного поиска (векторы + ключевые слова).
• Qdrant — высокопроизводительная БД на Rust, поддерживает фильтры и пагинацию.
• Milvus — распределенная система для миллиардов векторов, подходит для крупных проектов.
• Chroma — легковесная БД для прототипирования, часто используется с LangChain.

Пример использования с FAISS

import faiss
import numpy as np

# Создаем случайные эмбеддинги (1000 векторов размерностью 128)
dimension = 128
index = faiss.IndexFlatL2(dimension)  # L2 расстояние
vectors = np.random.random((1000, dimension)).astype('float32')
index.add(vectors)

# Поиск 5 ближайших соседей для запроса
query = np.random.random((1, dimension)).astype('float32')
distances, indices = index.search(query, k=5)
print(indices)  # Индексы ближайших векторов

Вывод

Векторные хранилища незаменимы для задач семантического поиска, RAG-систем и рекомендательных сервисов. Выбор зависит от масштаба: для прототипов подойдет Chroma, для продакшена — Pinecone или Milvus.