SvectorDB

FAQ de SvectorDB

Qu'est-ce que SvectorDB ?

SvectorDB est une puissante base de données vectorielles sans serveur conçue pour simplifier la gestion et la récupération de vecteurs de grande dimension dans différentes applications.

Qu'est-ce qui rend SvectorDB 'sans serveur' ?

Pour qu'un produit soit vraiment sans serveur, il doit être entièrement géré, s'adapter automatiquement et facturer par requête plutôt que par 'unités de mise à l'échelle' comme la capacité. SvectorDB répond à tous ces critères, ce qui en fait un produit vraiment sans serveur.

SvectorDB dispose-t-il d'une version gratuite ?

Oui, vous pouvez essayer SvectorDB gratuitement, avec jusqu'à 1 000 éléments dans notre niveau Sandbox.

Quels types d'index SvectorDB prend-il en charge ?

SvectorDB prend en charge les 3 types d'index les plus courants : Euclidean, Cosine, Dot Product.

Quels langages SvectorDB prend-il en charge ?

Nous proposons des clients officiels pour JavaScript et Python. Nous disposons également d'une spécification OpenAPI disponible publiquement, vous pouvez donc utiliser n'importe quel langage que vous souhaitez.

Quelle est la vitesse de SvectorDB ?

D'après un test de référence récent, les requêtes avaient une latence moyenne de 9 ms et une médiane de 8,48 ms. Le test de référence a été effectué sur une base de données contenant 10 000 éléments, avec une dimension de vecteur de 128, en utilisant un index Euclidean. Les requêtes ont été envoyées en parallèle par lots de 10 requêtes à la fois.

SvectorDB prend-il en charge l'Infrastructure as Code (IaC) ?

Oui, SvectorDB prend en charge nativement CloudFormation. Pour commencer, consultez notre documentation CloudFormation.

Quelles sont les limites de SvectorDB ?

Bien que presque toutes les limites puissent être ajustées, les limites par défaut sont les suivantes : Lectures par seconde : 100, Écritures par seconde : 100, Éléments dans une seule base de données : 1 000 000.

Qui devrait utiliser SvectorDB ?

SvectorDB est conçu pour les développeurs qui souhaitent créer des applications nécessitant la gestion et la récupération de vecteurs de grande dimension. Il est particulièrement utile pour des applications telles que les systèmes de recommandation, la recherche de similarité de documents, la similarité d'images, les Chatbots RAG, la recherche de voisins les plus proches des embeddings. Toute application nécessitant l'indexation et la récupération de vecteurs par voisin le plus proche peut bénéficier de SvectorDB, qu'il s'agisse de volumétrie et de dimensionnalité élevées ou faibles.

Qui ne devrait pas utiliser SvectorDB ?

Bien que SvectorDB soit un outil puissant, il peut ne pas convenir à tous les cas d'utilisation. SvectorDB peut ne pas être la meilleure option pour vous si : vous avez besoin de stocker et de récupérer des données non vectorielles, vous avez besoin d'un contrôle précis sur les paramètres algorithmiques tels que efConstruction, M, etc., vous avez besoin d'un coût fixe chaque mois.