Memorystore for Redis Cluster admite el almacenamiento y la consulta de datos vectoriales. En esta página se proporciona información sobre la búsqueda de vectores en Memorystore for Redis Cluster.
La búsqueda vectorial en Memorystore para Redis Cluster es compatible con el framework de LLMs de código abierto LangChain. Si usas la búsqueda vectorial con LangChain, puedes crear soluciones para los siguientes casos prácticos:
- Generación aumentada por recuperación (RAG)
- Caché de LLM
- Motor de recomendaciones
- Búsqueda semántica
- Búsqueda de imágenes similares
La ventaja de usar Memorystore para almacenar tus datos de IA generativa es la velocidad de Memorystore. La búsqueda vectorial en Memorystore for Redis Cluster aprovecha las consultas multihilo, lo que da como resultado un alto rendimiento de consultas (CPS) con una latencia baja.
Memorystore también ofrece dos enfoques de búsqueda distintos para ayudarte a encontrar el equilibrio adecuado entre velocidad y precisión. La opción HNSW (Hierarchical Navigable Small World) ofrece resultados rápidos y aproximados, ideales para conjuntos de datos grandes en los que una coincidencia cercana es suficiente. Si necesitas una precisión absoluta, el enfoque "FLAT" ofrece respuestas exactas, aunque el proceso puede tardar un poco más.
Si quieres optimizar tu aplicación para que la lectura y la escritura de datos vectoriales sean lo más rápidas posible, Memorystore for Redis Cluster es probablemente la mejor opción.