Veröffentlicht am: Feb 19, 2024
Amazon DocumentDB (mit MongoDB-Kompatibilität) unterstützt jetzt die Vektorsuche mit dem Index Hierarchical Navigable Small World (HNSW). Mit dem HNSW-Index können Sie die Suchvorgänge nach Vektorähnlichkeiten mit niedriger Latenz durchführen und hochrelevante Ergebnisse erzielen. Vektoren sind numerische Repräsentationen unstrukturierter Daten wie Text, die aus Modellen für Machine Learning (ML) erstellt wurden und dabei helfen, die semantische Bedeutung der zugrunde liegenden Daten zu erfassen. Die Vektorsuche für Amazon DocumentDB kann Vektoren von Amazon Bedrock, Amazon SageMaker und mehr speichern.
Mit der Vektorsuche für Amazon DocumentDB können Sie Datenbanken für Ihr ML ganz einfach einrichten, betreiben und skalieren, einschließlich generative KI-Anwendungen. Sie müssen keine Zeit aufwenden, um eine getrennte Vektor-Infrastruktur zu verwalten, einen Code für die Verbindung mit einem anderen Services zu schreiben oder Daten aus Ihrer Quelldatenbank zu duplizieren. Die Vektorsuchfunktion ermöglicht es Ihnen gemeinsam mit großen Sprachmodellen (LLMs), die Datenbank nach Bedeutungen zu durchsuchen und so eine Vielzahl von Anwendungsfällen zu erschließen, darunter semantische Suche, Produktempfehlungen, Personalisierung und Chatbots.
Die Vektorsuche für Amazon DocumentDB ist auf Instance-basierten DocumentDB 5.0-Clustern in allen Regionen verfügbar, in denen auch Amazon DocumentDB verfügbar ist.
Sie können beginnen, indem Sie einen Amazon DocumentDB-Cluster direkt von der AWS-Konsole oder der AWS CLI aus starten. Weitere Informationen zur Vektorsuche finden Sie auf unserer Features-Seite und im Entwicklerhandbuch.