Sobre a pesquisa vetorial

Preview

This feature is subject to the "Pre-GA Offerings Terms" in the General Service Terms section of the Service Specific Terms. Pre-GA features are available "as is" and might have limited support. For more information, see the launch stage descriptions.

O Memorystore para Valkey oferece suporte ao armazenamento e à consulta de dados vetoriais. Esta página oferece informações sobre a pesquisa de vetor no Memorystore para Valkey.

Importante: para usar a pesquisa de vetor, a instância precisa ser criada após a data de lançamento do recurso, em 13 de setembro de 2024. Se a instância foi criada antes dessa data, você vai precisar criar uma nova para usar esse recurso.

A pesquisa de vetor no Memorystore para Valkey é compatível com o framework LLM de código aberto LangChain. Usar a pesquisa de vetores com o LangChain permite criar soluções para os seguintes casos de uso:

• Geração aumentada de recuperação (RAG)
• Cache LLM
• Mecanismo de recomendação
• Pesquisa semântica
• Pesquisa de similaridade de imagens

A vantagem de usar o Memorystore para armazenar dados de IA generativa, em vez de outros bancos de dados Google Cloud , é a velocidade dele. A pesquisa vetorial no Memorystore para Valkey aproveita consultas com vários threads, resultando em alta taxa de transferência de consultas (QPS) com baixa latência.

O Memorystore também oferece duas abordagens de pesquisa distintas para ajudar você a encontrar o equilíbrio certo entre velocidade e precisão. A opção HNSW (Hierarchical Navigable Small World) oferece resultados rápidos e aproximados, o que é ideal para grandes conjuntos de dados em que uma correspondência próxima é suficiente. Se você precisar de precisão absoluta, a abordagem "FLAT" vai produzir respostas exatas, embora possa levar um pouco mais de tempo para processar.

Se você quiser otimizar seu aplicativo para as velocidades de leitura e gravação de dados vetoriais mais rápidas, o Memorystore para Valkey provavelmente é a melhor opção.