Veröffentlicht am: Jul 13, 2023
Die mit Amazon Aurora PostgreSQL kompatible Edition 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 großen Sprachmodell (LLM) erfassen. pgvector kann Einbettungen von Amazon Bedrock, Amazon SageMaker und anderen Services speichern und suchen.
Durch die Verwendung von pgvector mit Aurora PostgreSQL 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. Aurora Machine Learning ermöglicht es Ihnen, über die vertraute SQL-Programmiersprache ML-basierte Vorhersagen zu Anwendungen hinzuzufügen, sodass Sie keine separaten Tools erlernen oder über vorherige Erfahrungen mit Machine Learning verfügen müssen.
Die pgvector-Erweiterung ist in Aurora PostgreSQL 15.3, 14.8, 13.11, 12.15 und höher in AWS-Regionen, einschließlich der Regionen AWS GovCloud (USA), verfügbar.
Zum Einstieg können Sie eine neue Amazon-Aurora-DB-Instance direkt über die AWS-Konsole oder die AWS CLI starten. Erfahren Sie mehr über pgvector im AWS-Datenbank-Blog. Für die ersten Schritte mit Amazon Aurora werfen Sie einen Blick auf unsere Seite „Erste Schritte“.
Wenn Sie mehr über diese Markteinführung erfahren möchten, können Sie sich die Demo unseres Teams auf AWS On Air ansehen.