概要
DashVector は、Alibaba Cloud のベクトルエンジン Proxima のカーネルをベースに開発されたサービスです。クラウドネイティブアーキテクチャ上でフルマネージドの高効率なベクトル検索を提供し、ビジネスニーズに応じて水平・垂直方向にスケーリングできます。シンプルな API と SDK を通じて強力なベクトル管理・検索機能を提供するため、インテリジェント Q&A やマルチモーダル検索など、さまざまなシナリオのアプリケーションと容易に統合できます。
仕組み
-
アプリケーション
マルチモーダル検索、インテリジェント Q&A、LLM ベースのサービスなど、さまざまなユースケースのアプリケーションを、ローコード API やシンプルな SDK で DashVector と統合できます。
-
DashVector
クラウドネイティブアーキテクチャに基づき、DashVector はクラスターやリージョンをまたいでデプロイできます。クラスターやサービス (Searcher) をスケーリングすることで、サービスのボリュームやパフォーマンス (QPS など) を調整し、ビジネスの変化に柔軟に対応できます。DashVector コンソールでは、クラスター、コレクション、API キーなどベクトル検索サービスの管理や設定が可能です。主要なプログラミング言語向けの SDK を提供しており、ローコードですぐに利用を開始できます。
-
クラウドインフラ
Alibaba Cloud は、コンピューティング、ストレージ、ネットワーキングの堅牢なクラウドリソースに加え、データ処理やコンテナ管理の強力なサービスを提供し、柔軟で信頼性の高いクラウドネイティブアーキテクチャを支えます。
メリット
-
フルマネージドサービス
サーバーレスアーキテクチャ上のフルマネージドなクラウドネイティブベクトル検索サービスを低い運用保守コストでビジネスに素早く統合でき、データ消費量に応じた課金のみで利用できます。
-
ベクトル検索に特化した設計
条件フィルタリング、データパーティション、多様な検索タイプ、マルチモーダルデータ検索などの豊富な機能で、さまざまなビジネスシナリオの多様な検索ニーズに対応します。
-
スケールとパフォーマンスの両立
クラスターや検索サービスのスケーリングにより、ビジネスニーズに応じてサービス容量と QPS を柔軟に調整し、規模・精度・パフォーマンスのバランスを実現します。
-
ローコード
使いやすい API と、すぐに使える SDK により、最小限のコーディングでベクトルデータの管理と検索サービスを簡単に始められます。
機能
フルマネージドのクラウドベクトル検索サービス
高精度かつ高効率な検索
DashVector は Alibaba Cloud のベクトル検索エンジン Proxima を統合しています。高性能アルゴリズムにより、大規模データの低レイテンシ検索を実現します。
低い運用保守コスト
フルマネージドかつクラウドネイティブなベクトル検索サービスです。水平・垂直スケーリングに対応し、運用保守コストを削減します。基盤アーキテクチャを気にすることなく、ビジネスニーズに集中できます。
ミニマルな SDK 設計
ローコード API と使いやすい SDK により、さまざまなビジネスシナリオの AI アプリケーションと迅速に統合できます。
ベクトルデータのリアルタイムインデックス作成
ストリーミングデータのインデックス作成
DashVector はフラットインデックスアーキテクチャを採用し、大規模ストリーミングデータのゼロからのオンラインインデックス作成に対応しています。
リアルタイムオンライン更新
ベクトルデータの追加・削除・変更は直ちに反映されます。追加後のデータは即座に検索可能となり、リアルタイムでディスクに書き込まれます。データステータスもリアルタイムで更新されます。
大規模データの高速インデックス作成
DashVector はインデックス構造とロード方式をさまざまな方法で最適化し、2〜20,000 次元の大規模ベクトルデータのインポートに対応しています。
フィルタリング検索
カスタマイズ可能なスキーマ
フィルタリング検索では、DashVector が事前定義フィールドを使用して、より高速な検索と低い計算リソース消費を実現します。
複数条件式によるフィルタリング検索
比較演算子、論理演算子、文字列演算子（"<"、"<="、"="、"!="、">="、">"、"and"、"or"、"like"）を組み合わせた検索を実行できます。
スパースベクトル
キーワード検索とハイブリッド検索
DashVector では、キーワード検索、ベクトル検索、またはハイブリッド検索（キーワード + ベクトル）を実行できます。スパースベクトルとデンスベクトルの両方に対応し、セマンティクスとキーワードのバランスを最適化します。
スパースベクトル生成
スパースベクトルのエンコードには、DashVector の DashText を推奨します。DashText は BM25 アルゴリズムを使用して生テキストをスパースベクトルデータに変換し、キーワードベースのベクトル検索プロセスを大幅に簡素化します。
ユースケース
DashVector API を使用して、テキストインデックスとベクトル検索機能をベースにセマンティック検索サービスをゼロから素早く構築し、Qwen などの生成 AI アプリケーションをサポートできます。これらのアプリケーションは、テキストコンテンツの生成（翻訳、書き換え、要約など）、コード記述、ロールプレイが可能です。
メリット
-
高い効率性
ベクトルデータのリアルタイムな追加、削除、検索、更新が可能で、複数のデータソースからの増分同期やフル同期にも対応しています。
-
高速かつ高精度
さまざまな演算子を組み合わせたフィルタリング検索を実行し、スキーマフリー設計によるデータフィールドのカスタマイズでベクトル検索プロセスを高速化できます。
DashVector は画像、動画、テキストなどの個別ファイルを高次元ベクトル特徴量としてエンベディングに抽象化し、すべての特徴量に基づいて効率的なベクトルインデックスを構築します。テキストを入力するか、写真や動画をアップロードするだけで類似ファイルを検索できます。このマルチモーダル検索サービスにより、ユーザー体験が大幅に向上します。
メリット
-
柔軟性
データに対して複数のコレクションやパーティションを設定し、容易に管理できます。
-
スキーマフリー
データフィールドをカスタマイズして、ベクトル検索の柔軟性と精度を向上させることができます。
-
高い利便性
ローコード API と使いやすい SDK により、マルチモーダル検索サービスを迅速に構築できます。
DashVector サービスと大規模言語モデル（LLM）を組み合わせて、ドメイン固有のナレッジ Q&A システムを構築できます。まず、ユーザー入力とナレッジベースのコンテンツを高品質なベクトルに変換し、マッチングプロセスを DashVector によるセマンティック検索に変換することで、関連するナレッジをより正確かつ効率的に抽出します。適切なプロンプトにより、ユーザーの意図を理解し、ナレッジベースの情報に基づいた回答を提供します。
メリット
-
クラウドネイティブ
クラウドネイティブアーキテクチャによりコンピューティングリソースとストレージリソースが分離されているため、スケールアップやスケールアウトを容易に実行できます。
-
容易な統合
DashVector とドメイン固有のナレッジベースを統合し、高精度な Q&A サービスを提供できます。
-
大規模対応
Vector Retrieval Service は大規模ベクトルデータの高速リコールに対応し、ベクトル検索の精度を向上させます。
インテリジェント検索や広告配信などのシナリオでは、購入履歴などのユーザーインサイトをベクトルデータに変換し、DashVector がベクトルデータベース内の類似度に基づいて関連商品を検索して潜在的な購入者にレコメンドすることで、購入率とユーザー体験を向上させます。
メリット
-
高い互換性
Vector Retrieval Service は幅広いデータタイプとさまざまな検索方式に対応しています。
-
高性能
DAMO Academy の大規模テキスト/ベクトルデータ向けベクトル検索エンジンと、Alibaba Cloud の高可用性アーキテクチャにより、さまざまな検索シナリオで高性能を実現します。
-
カスタマイズ可能
検索距離をカスタマイズし、類似度のしきい値を設定できます（しきい値を超える類似度のベクトルデータがフィルタリングされます）。
5 つのステップで DashVector を始める
