Descripción general
DashVector está desarrollado con base en el núcleo de Proxima, el motor vectorial de Alibaba Cloud. Proporciona servicios eficientes de recuperación vectorial completamente administrados sobre una arquitectura nativa de la nube, y puede escalarse horizontal y verticalmente para adaptarse a las necesidades del negocio. DashVector ofrece potentes capacidades de gestión y recuperación de vectores mediante APIs y un SDK sencillos, para que pueda integrarlo fácilmente con aplicaciones de diversos escenarios, como preguntas y respuestas inteligentes y búsqueda multimodal.
Cómo funciona
-
Aplicaciones
Las aplicaciones de diversos escenarios, como la búsqueda multimodal, las preguntas y respuestas inteligentes y los servicios basados en LLM, pueden integrarse con DashVector mediante APIs de bajo código y SDK sencillos.
-
DashVector
Con base en la arquitectura nativa de la nube, DashVector puede implementarse en clusters y regiones, de modo que puede ajustar el volumen (capacidad) y el rendimiento del servicio (como el QPS) mediante el escalado de los clusters y los servicios (searchers) para responder de forma flexible a los cambios del negocio. Puede administrar y configurar el servicio de búsqueda vectorial (como los clusters, las collections, las claves de API, etc.) en la consola de DashVector. Proporcionamos SDK para los lenguajes de programación más populares, para que comience rápidamente con poco código.
-
Infraestructura en la nube
Alibaba Cloud proporciona sólidos recursos en la nube para cómputo, almacenamiento y redes, así como potentes servicios para el procesamiento de datos y la administración de contenedores, para admitir una arquitectura flexible, confiable y nativa de la nube.
Beneficios
-
Servicio completamente administrado
Integre rápidamente el servicio de recuperación vectorial nativo de la nube completamente administrado para su negocio, con bajos costos de operación y mantenimiento en la arquitectura sin servidor, y pague solo por el consumo de datos
-
Diseñado para búsqueda vectorial
Satisfaga diversas necesidades de búsqueda de distintos escenarios de negocio con funciones completas que admiten filtrado condicional, particiones de datos, distintos tipos de búsqueda, recuperación de datos multimodal, etc.
-
Equilibrio entre escala y rendimiento
Ajuste la capacidad del servicio y el QPS de forma flexible según las necesidades del negocio, escalando clusters o servicios de búsqueda en pocos pasos para lograr el equilibrio entre escala, precisión y rendimiento
-
Bajo código
Inicie fácilmente servicios de búsqueda y gestión de datos vectoriales con API fáciles de usar que requieren una codificación mínima y un SDK listo para usar
Características
Servicios de recuperación vectorial completamente administrados en la nube
Búsqueda altamente precisa y eficiente
DashVector integra Proxima, el motor de búsqueda vectorial de Alibaba Cloud, que proporciona algoritmos de alto rendimiento para lograr búsquedas de baja latencia de datos a gran escala.
Bajos costos de operación y mantenimiento
El servicio de búsqueda vectorial completamente administrado y nativo de la nube, con escalabilidad horizontal y vertical, reduce los costos de operación y mantenimiento (O&M), lo que le permite centrarse solo en las necesidades del negocio sin preocuparse por la arquitectura subyacente.
Diseño de SDK minimalista
Las API de bajo código (low-code) y el SDK fácil de usar permiten una rápida integración con aplicaciones de IA para diversos escenarios empresariales.
Indexación de datos vectoriales en tiempo real
Indexación con datos en streaming
DashVector adopta una arquitectura de índice plano y admite la indexación en línea de datos en streaming a gran escala desde cero.
Actualización en línea en tiempo real
Cuando los datos vectoriales se agregan, se eliminan o se modifican, el estado de los vectores surte efecto al instante. Los datos vectoriales se verifican inmediatamente después de agregarse y se escriben en discos duros en tiempo real. El estado de los datos vectoriales también se actualiza en tiempo real.
Indexación rápida de grandes volúmenes de datos
DashVector optimiza la estructura del índice y el método de carga de diversas maneras, y admite la importación a gran escala de datos vectoriales de 2 a 20,000 dimensiones.
Búsqueda con filtros
Esquema personalizable
Para la búsqueda con filtros, DashVector usa campos predefinidos para lograr una mayor velocidad de recuperación y un menor consumo de capacidad de cómputo.
Búsqueda con filtros de expresiones múltiples
Puede realizar búsquedas combinadas con operadores de comparación, lógicos y de cadena, incluidos "<", "<=", "=", "!=", ">=", ">", "and", "or" y "like".
Vector disperso
Búsqueda por palabra clave y búsqueda híbrida
Con DashVector puede realizar búsquedas por palabra clave, búsquedas vectoriales o búsquedas híbridas (palabra clave+vector), ya que admite vectores dispersos y densos para equilibrar la semántica y las palabras clave.
Generador de vectores dispersos
Recomendamos usar DashText de DashVector para la codificación de vectores dispersos. DashText usa el algoritmo BM25 para convertir texto sin procesar en datos vectoriales dispersos, lo que simplifica enormemente el proceso de búsqueda vectorial por palabra clave.
Casos de uso
Puede usar las API de DashVector para crear rápidamente desde cero servicios de búsqueda semántica con base en capacidades de indexación de texto y búsqueda vectorial, para admitir aplicaciones de IA generativa como Qwen. Estas aplicaciones pueden crear contenido de texto (incluidos la traducción, la reescritura, el resumen automático, etc.), escribir código y participar en juegos de roles.
Beneficios
-
Muy eficiente
Puede agregar, eliminar, buscar y modificar datos vectoriales en tiempo real, y sincronizar datos de forma incremental o completa desde múltiples fuentes de datos.
-
Rápido y preciso
Puede realizar búsquedas con filtros mediante una combinación de diversos operadores, y personalizar los campos de datos admitidos por el diseño Schema libre para acelerar el proceso de búsqueda vectorial.
DashVector convierte archivos individuales de imágenes, videos y texto en características vectoriales de alta dimensionalidad como embeddings, y después construye un índice vectorial eficiente con base en todas las características. Los usuarios solo necesitan ingresar texto o subir fotos o videos para buscar archivos similares. Este servicio de búsqueda multimodal mejora enormemente la experiencia de usuario.
Beneficios
-
Flexible
Puede establecer múltiples Collections y Particiones para sus datos y administrarlas fácilmente
-
Schema libre
Puede personalizar los campos de datos y aumentar la flexibilidad y la precisión de la búsqueda vectorial.
-
Conveniente
Puede configurar rápidamente un servicio de búsqueda multimodal mediante API de bajo código (low-code) y SDK fáciles de usar.
Puede combinar los servicios de DashVector con grandes modelos de lenguaje (LLM) para crear sistemas de preguntas y respuestas sobre conocimiento específico del dominio. Primero, convierta tanto la entrada del usuario como el contenido de la base de conocimiento en vectores de alta calidad; después, transforme el proceso de coincidencia en una búsqueda semántica con DashVector para extraer el conocimiento relevante con mayor precisión y eficiencia. Mediante los prompts correspondientes, este servicio puede comprender la intención del usuario y proporcionar respuestas con información de la base de conocimiento.
Beneficios
-
Cloud Native
La arquitectura de sistema nativa de la nube separa los recursos de computación de los recursos de almacenamiento, por lo que puede escalar verticalmente y horizontalmente con facilidad.
-
Fácil de integrar
Puede integrar bases de conocimiento específicas del dominio con DashVector para proporcionar servicios de preguntas y respuestas precisos.
-
Gran alcance
Vector Retrieval Service admite la recuperación rápida de datos vectoriales a gran escala para mejorar la precisión de la búsqueda vectorial.
En escenarios como la búsqueda inteligente y el envío de anuncios, la información del usuario, como los registros de compra, se transforma en datos vectoriales, y DashVector busca en las bases de datos vectoriales información de productos relevante según la similitud para recomendarla a compradores potenciales, lo que mejora la tasa de compra y la experiencia de usuario.
Beneficios
-
Alta compatibilidad
Vector Retrieval Service admite una amplia variedad de tipos de datos y diversos métodos de búsqueda.
-
Alto rendimiento
El motor de búsqueda vectorial de DAMO Academy para texto y datos vectoriales a gran escala y la arquitectura de alta disponibilidad de Alibaba Cloud proporcionan alto rendimiento para diversos escenarios de búsqueda.
-
Personalizable
Puede personalizar la distancia de búsqueda y establecer valores de umbral para las similitudes (los datos vectoriales con una similitud superior al valor de umbral se excluirán).
Comience DashVector en 5 pasos sencillos
