Publié le: Feb 19, 2024
Amazon DocumentDB (compatible avec MongoDB) prend désormais en charge la recherche vectorielle avec l'index Hierarchical Navigable Small World (HNSW). L'index HNSW vous permet d'exécuter des recherches de similarité vectorielle avec une faible latence et de produire des résultats très pertinents. Les vecteurs sont des représentations numériques de données non structurées, telles que du texte, créées à partir de modèles de machine learning (ML) qui permettent de saisir la signification sémantique des données sous-jacentes. La recherche vectorielle pour Amazon DocumentDB permet de stocker des vecteurs provenant d'Amazon Bedrock, d'Amazon SageMaker, etc.
Avec la recherche vectorielle pour Amazon DocumentDB, vous pouvez simplement configurer, exploiter et dimensionner des bases de données pour votre machine learning, y compris des applications compatibles avec l'IA générative. Vous n'avez plus à perdre de temps à gérer une infrastructure vectorielle distincte, à écrire du code pour vous connecter à un autre service et à dupliquer les données de votre base de données source. La fonction de recherche vectorielle associée aux grands modèles de langage (LLM) vous permettent d'effectuer des recherches dans la base de données en fonction du sens, ce qui permet de découvrir un large éventail de cas d'utilisation, notamment la recherche sémantique, les recommandations de produits, la personnalisation et les chatbots.
La recherche vectorielle pour Amazon DocumentDB est disponible sur les clusters basés sur des instances DocumentDB 5.0 dans toutes les régions où Amazon DocumentDB est disponible.
Vous pouvez commencer par lancer un cluster Amazon DocumentDB directement depuis la console AWS ou l'interface de ligne de commande AWS. Pour en savoir plus sur la recherche vectorielle, consultez notre page de fonctionnalités et notre Guide du développeur.