Veröffentlicht am: May 3, 2023
Amazon Relational Database Service (RDS) für PostgreSQL unterstützt jetzt die pgvector-Erweiterung, um Einbettungen von Machine Learning (ML)-Modellen in Ihrer Datenbank zu speichern und effiziente Ähnlichkeitssuchen durchzuführen. Einbettungen sind numerische Darstellungen (Vektoren), die mithilfe generativer KI erstellt wurden und die semantische Bedeutung von Texteingaben in einem Large Language Model (LLM) erfassen. pgvector kann Einbettungen von Amazon Bedrock, Amazon SageMaker und anderen Services speichern und suchen.
Durch die Verwendung von pgvector mit Amazon RDS können Sie Datenbanken für Ihre ML-fähigen Anwendungen einfach einrichten, betreiben und skalieren. Mit der pgvector-Erweiterung können Sie ML-Funktionen in Ihre E-Commerce-, Medien-, Gesundheitsanwendungen und mehr integrieren, um ähnliche Artikel in einem Katalog zu finden. Zum Beispiel kann ein Streaming-Dienst pgvector verwenden, um eine Liste mit Filmempfehlungen bereitzustellen, die denen ähneln, die Sie gerade gesehen haben.
Die pgvector-Erweiterung ist auf allen Datenbank-Instances in Amazon RDS, auf denen PostgreSQL 15.2 und höher ausgeführt wird, in allen AWS-Regionen, einschließlich der Regionen AWS GovCloud (USA), verfügbar.
Zum Einstieg können Sie eine neue Amazon-RDS-DB-Instance direkt über die AWS-Konsole oder die AWS CLI aus starten. Mehr über pgvector erfahren Sie im AWS-Datenbank-Blog und im Amazon-RDS-Benutzerhandbuch.