Présentation
DashVector repose sur le moteur vectoriel Proxima, développé par Alibaba Cloud. Il offre des services de recherche vectorielle performants, entièrement gérés sur une architecture cloud natif, avec une capacité de mise à l'échelle horizontale et verticale adaptée à vos besoins métier. Grâce à des API et un SDK simples d'utilisation, DashVector fournit de puissantes fonctionnalités de gestion et de recherche vectorielle, facilitant l'intégration dans divers scénarios applicatifs tels que les systèmes de questions-réponses intelligents et la recherche multimodale.
Fonctionnement
-
Applications
Les applications issues de divers scénarios, tels que la recherche multimodale, les systèmes de questions-réponses intelligents et les services basés sur les LLM, peuvent être intégrées à DashVector via des API low-code et des SDK simples.
-
DashVector
Grâce à son architecture cloud natif, DashVector se déploie sur plusieurs clusters et régions. Ajustez le volume et les performances du service (notamment le QPS) en redimensionnant les clusters et les services (searchers) pour vous adapter aux évolutions de votre activité. La console DashVector vous permet de gérer et de configurer le service de recherche vectorielle (clusters, collections, clés API, etc.). Des SDK pour les principaux langages de programmation vous permettent de démarrer rapidement en low-code.
-
Infrastructure cloud
Alibaba Cloud fournit des ressources cloud robustes pour le calcul, le stockage et la mise en réseau, ainsi que des services performants de traitement des données et de gestion des conteneurs. Ces ressources soutiennent une architecture cloud natif flexible et fiable.
Avantages
-
Service entièrement géré
Intégrez rapidement un service de recherche vectorielle cloud natif et entièrement géré à votre activité, avec de faibles coûts d'exploitation et de maintenance sur une architecture serverless, et ne payez que pour la consommation de données.
-
Conçu pour la recherche vectorielle
Répondez à des besoins de recherche variés dans divers scénarios métier grâce à de nombreuses fonctionnalités prenant en charge le filtrage conditionnel, les partitions de données, différents types de recherche, la recherche multimodale, etc.
-
Équilibre échelle-performance
Ajustez la capacité du service et le QPS de manière flexible en fonction de vos besoins métier, en redimensionnant les clusters ou les services de recherche en quelques étapes simples pour atteindre l'équilibre entre échelle, précision et performance.
-
Low-code
Démarrez facilement la gestion de données vectorielles et les services de recherche grâce à des API simples d'utilisation, nécessitant un minimum de code, et un SDK prêt à l'emploi.
Fonctionnalités
Services de recherche vectorielle entièrement gérés sur le cloud
Recherche précise et performante
DashVector intègre le moteur de recherche vectorielle Proxima d'Alibaba Cloud, qui fournit des algorithmes haute performance pour une recherche à faible latence sur des données à grande échelle.
Coûts d'exploitation réduits
Le service de recherche vectorielle entièrement géré et cloud natif, avec une évolutivité horizontale et verticale, réduit les coûts d'exploitation et de maintenance. Vous pouvez ainsi vous concentrer sur vos besoins métier sans vous soucier de l'architecture sous-jacente.
Conception SDK minimaliste
Les API low-code et le SDK intuitif permettent une intégration rapide avec les applications d'IA dans divers scénarios métier.
Indexation en temps réel des données vectorielles
Indexation avec données en flux
DashVector adopte une architecture d'index plat et prend en charge l'indexation en ligne de données en flux à grande échelle, de zéro.
Mise à jour en ligne en temps réel
Lorsque des données vectorielles sont ajoutées, supprimées ou modifiées, le statut des vecteurs prend effet instantanément. Les données vectorielles sont vérifiées immédiatement après leur ajout et écrites sur disque en temps réel. Le statut des données vectorielles est également mis à jour en temps réel.
Indexation rapide de données massives
DashVector optimise la structure d'index et les méthodes de chargement de multiples façons, et prend en charge l'import de données vectorielles à grande échelle, de 2 à 20 000 dimensions.
Recherche filtrée
Schéma personnalisable
Pour la recherche filtrée, DashVector utilise des champs prédéfinis afin d'accélérer la récupération des résultats tout en réduisant la consommation de ressources de calcul.
Recherche filtrée avec expressions multiples
Vous pouvez effectuer des recherches combinées avec des opérateurs de comparaison, logiques et de chaîne, notamment "<", "<=", "=", "!=", ">=", ">", "and", "or" et "like".
Vecteur creux
Recherche par mots-clés et recherche hybride
Avec DashVector, vous pouvez effectuer une recherche par mots-clés, une recherche vectorielle ou une recherche hybride (mots-clés + vecteurs). Le service prend en charge les vecteurs creux et les vecteurs denses pour un équilibre optimal entre sémantique et mots-clés.
Générateur de vecteurs creux
Nous recommandons d'utiliser DashText de DashVector pour l'encodage en vecteurs creux. DashText utilise l'algorithme BM25 pour convertir le texte brut en données vectorielles creuses, simplifiant considérablement le processus de recherche vectorielle par mots-clés.
Scénarios
Vous pouvez utiliser les API DashVector pour créer rapidement des services de recherche sémantique en vous appuyant sur les capacités d'indexation textuelle et de recherche vectorielle, afin de prendre en charge des applications d'IA générative comme Qwen. Ces applications peuvent générer du contenu textuel (traduction, réécriture, résumé, etc.), écrire du code et simuler des rôles.
Avantages
-
Haute efficacité
Vous pouvez ajouter, supprimer, rechercher et modifier des données vectorielles en temps réel, et effectuer une synchronisation incrémentielle ou complète à partir de multiples sources de données.
-
Rapidité et précision
Vous pouvez effectuer une recherche filtrée en combinant divers opérateurs et personnaliser les champs de données grâce au design Schema Free pour accélérer le processus de recherche vectorielle.
DashVector abstrait les fichiers individuels d'images, de vidéos et de texte en caractéristiques vectorielles de haute dimension sous forme d'embeddings, puis construit un index vectoriel efficace à partir de l'ensemble de ces caractéristiques. Les utilisateurs n'ont qu'à saisir du texte ou télécharger des photos ou des vidéos pour rechercher des fichiers similaires. Ce service de recherche multimodale améliore considérablement l'expérience utilisateur.
Avantages
-
Flexible
Vous pouvez définir plusieurs collections et partitions pour vos données et les gérer facilement.
-
Schema Free
Vous pouvez personnaliser les champs de données et améliorer la flexibilité et la précision de la recherche vectorielle.
-
Simplicité d'utilisation
Vous pouvez rapidement mettre en place un service de recherche multimodale grâce à des API low-code et des SDK faciles à utiliser.
Vous pouvez associer les services DashVector à des grands modèles de langage (LLM) pour créer des systèmes de Q&R spécifiques à votre domaine. Convertissez les entrées utilisateur et le contenu de la base de connaissances en vecteurs de haute qualité, puis transformez le processus de correspondance en recherche sémantique avec DashVector pour extraire les connaissances pertinentes de manière plus précise et plus efficace. Grâce aux prompts appropriés, ce service comprend l'intention de l'utilisateur et fournit des réponses basées sur la base de connaissances.
Avantages
-
Cloud natif
L'architecture système cloud native sépare les ressources de calcul des ressources de stockage, ce qui vous permet de monter en charge et d'évoluer facilement.
-
Intégration facile
Vous pouvez intégrer des bases de connaissances spécifiques à votre domaine avec DashVector pour fournir des services de Q&R précis.
-
Large couverture
Vector Retrieval Service prend en charge le rappel rapide de données vectorielles à grande échelle pour améliorer la précision de la recherche vectorielle.
Pour des scénarios tels que la recherche intelligente et la diffusion publicitaire, les données utilisateur comme les historiques d'achat sont converties en données vectorielles. DashVector recherche ensuite les informations produit pertinentes par similarité dans les bases de données vectorielles pour les recommander aux acheteurs potentiels, améliorant ainsi le taux de conversion et l'expérience utilisateur.
Avantages
-
Grande compatibilité
Vector Retrieval Service prend en charge un large éventail de types de données et diverses méthodes de recherche.
-
Haute performance
Le moteur de recherche vectorielle de DAMO Academy, conçu pour le texte et les données vectorielles à grande échelle, associé à l'architecture haute disponibilité d'Alibaba Cloud, offre des performances élevées pour divers scénarios de recherche.
-
Personnalisable
Vous pouvez personnaliser la distance de recherche et définir des seuils de similarité (les données vectorielles dont la similarité dépasse le seuil sont filtrées).
Démarrer DashVector en 5 étapes simples
