DashVector adalah layanan pengambilan vektor cloud-native yang sepenuhnya dikelola dengan skalabilitas horizontal, dibangun di atas kernel Proxima oleh Tongyi Lab. Layanan ini menyediakan kemampuan manajemen dan kueri vektor melalui SDK dan API.
Apa itu Vector Retrieval Service DashVector
DashVector adalah layanan pengambilan vektor cloud-native yang sepenuhnya dikelola, dibangun di atas kernel Proxima oleh Tongyi Lab. Layanan ini mendukung skalabilitas horizontal dan menyediakan kemampuan manajemen serta kueri vektor melalui SDK dan API untuk integrasi cepat ke dalam aplikasi AI. Kasus penggunaannya mencakup ekosistem Large Language Model (LLM), pencarian AI multimodal, dan analisis struktur molekul.
Tautan Produk
Halaman utama Produk: https://www.alibabacloud.com/product/dashvector
Konsol: https://dashvector.console.alibabacloud.com
Manfaat
-
Precision multi-dimensi: Memilih algoritma berdasarkan dimensi dan distribusi data untuk menyeimbangkan presisi dan performa.
-
Pembaruan online real-time: Menggunakan struktur indeks flat untuk pembuatan indeks vektor skala besar berbasis aliran. Mendukung pencarian langsung saat data dimasukkan, persistensi disk instan, dan pembaruan real-time.
-
Performa tinggi dan biaya rendah: Memaksimalkan performa sekaligus memenuhi kebutuhan bisnis dengan biaya terbatas.
-
Kemampuan adaptasi multi-skenario: Menggunakan optimasi hiperparameter dan indeks komposit untuk meningkatkan otomatisasi serta kemudahan penggunaan.
-
Pengindeksan skala ultra-besar: Menggabungkan algoritma pengambilan komposit dengan optimasi tingkat dasar untuk pengambilan yang hemat biaya. Satu shard mendukung hingga beberapa miliar vektor.
-
Pengambilan berbasis tag dan vektor: Menerapkan pemfilteran kondisional pada lapisan indeks, menghindari hasil suboptimal dari pengambilan multi-way merge tradisional.
-
Skalabilitas horizontal: Menggunakan sharding non-peer untuk pengambilan terdistribusi dengan penggabungan indeks cepat dan kehilangan presisi terbatas. Kompatibel dengan model komputasi MapReduce.
-
Heterogeneous computing: Mempercepat pengambilan offline batch besar dengan throughput tinggi. Mendukung pembangunan indeks graf tetangga berbasis GPU untuk pemanfaatan sumber daya berlatensi rendah dan throughput tinggi.