O DashVector é um serviço de recuperação de vetores nativo da nuvem e totalmente gerenciado, com dimensionamento horizontal, desenvolvido com base no kernel Proxima pelo Tongyi Lab. Ele oferece recursos de gerenciamento e consulta de vetores por meio de SDKs e APIs.
O que é o Vector Retrieval Service DashVector
O DashVector é um serviço de recuperação de vetores nativo da nuvem e totalmente gerenciado, desenvolvido com base no kernel Proxima pelo Tongyi Lab. Com suporte a dimensionamento horizontal, ele disponibiliza recursos de gerenciamento e consulta de vetores via SDKs e APIs para integração rápida em aplicações de IA. Os casos de uso incluem ecossistemas de Large Language Model (LLM), busca multimodal com IA e análise de estruturas moleculares.
Links do produto
Página inicial do produto: https://www.alibabacloud.com/product/dashvector
Console: https://dashvector.console.alibabacloud.com
Benefícios
Precisão multidimensional: Seleciona algoritmos conforme as dimensões e a distribuição dos dados para equilibrar precisão e desempenho.
Atualizações online em tempo real: Utiliza uma estrutura de índice plano para construir índices vetoriais em grande escala baseados em fluxo. Permite busca imediata após a inserção de dados, persistência instantânea em disco e atualizações em tempo real.
Alto desempenho e baixo custo: Maximiza o desempenho e atende aos requisitos de negócios com custos limitados.
Adaptabilidade a múltiplos cenários: Emprega otimização de hiperparâmetros e índices compostos para aumentar a automação e a facilidade de uso.
Indexação em ultraescala: Combina algoritmos de recuperação composta com otimizações subjacentes para garantir recuperação econômica. Um único shard suporta até vários bilhões de vetores.
Recuperação por tags e vetores: Implementa filtragem condicional na camada de índice, evitando resultados subótimos comuns na recuperação tradicional por mesclagem múltipla.
Dimensionamento horizontal: Adota sharding não paritário para recuperação distribuída com mesclagem rápida de índices e perda mínima de precisão. Compatível com o modelo de computação MapReduce.
Computação heterogênea: Acelera a recuperação offline em grandes lotes com alto throughput. Suporta construção de índices de grafos de vizinhança baseada em GPU para utilização de recursos com baixa latência e alto throughput.