หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด
MyScaleDB

MyScaleDB

MyScale ฐานข้อมูลเวกเตอร์ SQL สำหรับ AI ที่ปรับขนาดได้


ช่วยให้นักพัฒนาทุกคนสามารถสร้างแอปพลิเคชัน GenAI ระดับการผลิตด้วย SQL ที่ทรงพลังและคุ้นเคย

MyScaleDB คืออะไร

MyScaleDB คือฐานข้อมูลเวกเตอร์ SQL ที่ช่วยให้นักพัฒนาสามารถสร้างแอปพลิเคชัน AI ที่พร้อมใช้งานจริงและปรับขนาดได้โดยใช้ SQL ที่คุ้นเคย มันถูกสร้างขึ้นบน ClickHouse และปรับให้เหมาะสมสำหรับแอปพลิเคชันและโซลูชัน AI ช่วยให้นักพัฒนาสามารถจัดการและประมวลผลข้อมูลปริมาณมหาศาลได้อย่างมีประสิทธิภาพ

ประโยชน์หลักของการใช้ MyScaleDB ได้แก่:

  • เข้ากันได้กับ SQL อย่างสมบูรณ์

    • การค้นหาเวกเตอร์ที่รวดเร็ว ทรงพลัง และมีประสิทธิภาพ การค้นหาแบบกรอง และแบบสอบถามการรวมเวกเตอร์ SQL

    • ใช้ SQL กับฟังก์ชันที่เกี่ยวข้องกับเวกเตอร์เพื่อโต้ตอบกับ MyScaleDB ไม่จำเป็นต้องเรียนรู้เครื่องมือหรือเฟรมเวิร์กใหม่ๆ ที่ซับซ้อน – ยึดติดกับสิ่งที่คุณรู้จักและชื่นชอบ

  • พร้อมการผลิตสำหรับแอปพลิเคชัน AI

    • แพลตฟอร์มแบบครบวงจรและผ่านการทดสอบตามเวลาเพื่อจัดการและประมวลผลข้อมูลที่มีโครงสร้าง ข้อความ เวกเตอร์ JSON ข้อมูลเชิงพื้นที่ ข้อมูลอนุกรมเวลา และอื่นๆ ดูประเภทข้อมูลและฟังก์ชันที่รองรับ

    • ปรับปรุงความแม่นยำของ RAG ด้วยการรวมเวกเตอร์เข้ากับข้อมูลเมตาที่หลากหลาย การค้นหาข้อความแบบเต็ม และดำเนินการค้นหาแบบกรองที่มีความแม่นยำสูงและมีประสิทธิภาพสูงในทุกอัตราส่วน 1

  • ประสิทธิภาพและความสามารถในการปรับขนาดที่ไม่มีใครเทียบได้

    • MyScaleDB ใช้ประโยชน์จากสถาปัตยกรรมฐานข้อมูล OLAP ที่ล้ำสมัยและอัลกอริธึมเวกเตอร์ขั้นสูงสำหรับการดำเนินการเวกเตอร์ที่รวดเร็วปานสายฟ้า

    • ปรับขนาดแอปพลิเคชันของคุณได้อย่างง่ายดายและคุ้มค่าเมื่อข้อมูลของคุณเติบโตขึ้น

MyScale Cloud มอบ MyScaleDB ที่มีการจัดการเต็มรูปแบบพร้อมคุณสมบัติระดับพรีเมียมบนข้อมูลขนาดพันล้าน 2 เมื่อเปรียบเทียบกับฐานข้อมูลเวกเตอร์เฉพาะทางที่ใช้ API แบบกำหนดเอง MyScale มีประสิทธิภาพ มีประสิทธิภาพ และคุ้มต้นทุนมากกว่า ในขณะที่ยังคงใช้งานง่ายกว่า ทำให้เหมาะสำหรับชุมชนโปรแกรมเมอร์ขนาดใหญ่ นอกจากนี้ เมื่อเปรียบเทียบกับฐานข้อมูลเวกเตอร์ที่ผสานรวม เช่น PostgreSQL กับ pgvector หรือ ElasticSearch ที่มีส่วนขยายเวกเตอร์ MyScale ใช้ทรัพยากรน้อยลง และได้ความแม่นยำและความเร็วที่ดีกว่าสำหรับการสืบค้นร่วมที่มีโครงสร้างและเวกเตอร์ เช่น การค้นหาแบบกรอง

ทำไมต้อง MyScaleDB

  • รองรับ SQL อย่างสมบูรณ์

  • การจัดการข้อมูลที่มีโครงสร้างและเวกเตอร์แบบครบวงจร

  • ค้นหามิลลิวินาทีบนเวกเตอร์ขนาดพันล้าน

  • มีความน่าเชื่อถือสูงและปรับขนาดได้เชิงเส้น

  • ฟังก์ชันการค้นหาข้อความและข้อความ/เวกเตอร์ไฮบริดที่มีประสิทธิภาพ

  • แบบสอบถามเวกเตอร์ SQL ที่ซับซ้อน

  • ความสามารถในการสังเกต LLM ด้วย MyScale Telemetry

MyScale รวมสามระบบเข้าด้วยกัน: ฐานข้อมูล SQL/คลังข้อมูล ฐานข้อมูลเวกเตอร์ และเครื่องมือค้นหาข้อความแบบเต็มมาไว้ในระบบเดียวในลักษณะที่มีประสิทธิภาพสูง ไม่เพียงช่วยประหยัดโครงสร้างพื้นฐานและค่าบำรุงรักษาเท่านั้น แต่ยังช่วยให้สามารถสืบค้นและวิเคราะห์ข้อมูลร่วมกันได้เช่นกัน

สถาปัตยกรรม MyScale

ดูเอกสารและบล็อกของเราสำหรับข้อมูลเพิ่มเติมเกี่ยวกับคุณลักษณะและข้อดีเฉพาะตัวของ MyScale เกณฑ์มาตรฐานโอเพ่นซอร์สของเราให้การเปรียบเทียบโดยละเอียดกับผลิตภัณฑ์ฐานข้อมูลเวกเตอร์อื่นๆ

เหตุใดจึงสร้าง MyScaleDB บน ​​ClickHouse

ClickHouse เป็นฐานข้อมูลการวิเคราะห์โอเพ่นซอร์สยอดนิยมที่มีความเป็นเลิศในการประมวลผลและการวิเคราะห์ข้อมูลขนาดใหญ่ เนื่องจากมีการจัดเก็บแบบเรียงเป็นแนวพร้อมการบีบอัดขั้นสูง การข้ามการทำดัชนี และการประมวลผล SIMD ต่างจากฐานข้อมูลธุรกรรมเช่น PostgreSQL และ MySQL ซึ่งใช้พื้นที่จัดเก็บแถวและการเพิ่มประสิทธิภาพหลักสำหรับการประมวลผลธุรกรรม ClickHouse มีความเร็วในการวิเคราะห์และการสแกนข้อมูลที่เร็วกว่ามาก

การดำเนินการหลักอย่างหนึ่งในการรวมการค้นหาแบบมีโครงสร้างและเวกเตอร์คือการค้นหาแบบกรอง ซึ่งเกี่ยวข้องกับการกรองตามคุณลักษณะอื่น ๆ ก่อน จากนั้นจึงทำการค้นหาแบบเวกเตอร์กับข้อมูลที่เหลือ การจัดเก็บแบบเรียงเป็นแนวและการกรองล่วงหน้ามีความสำคัญอย่างยิ่งต่อการรับรองความถูกต้องแม่นยำสูงและประสิทธิภาพสูงในการค้นหาแบบกรอง ซึ่งเป็นเหตุผลที่เราเลือกสร้าง MyScaleDB ที่ด้านบนของ ClickHouse

ในขณะที่เราได้แก้ไขการดำเนินการและกลไกการจัดเก็บของ ClickHouse ในหลาย ๆ ด้านเพื่อให้แน่ใจว่าการสืบค้นเวกเตอร์ SQL รวดเร็วและคุ้มค่า แต่คุณสมบัติหลายอย่าง (#37893, #38048, #37859, #56728, #58223) ที่เกี่ยวข้องกับการประมวลผล SQL ทั่วไป สนับสนุนกลับไปยังชุมชนโอเพ่นซอร์ส ClickHouse

เริ่มต้นอย่างรวดเร็ว

มายสเกล คลาวด์

วิธีที่ง่ายที่สุดในการใช้ MyScaleDB คือการสร้างอินสแตนซ์บนบริการ MyScale Cloud คุณสามารถเริ่มจากพ็อดฟรีที่รองรับเวกเตอร์ 5M 768D ลงทะเบียนที่นี่และชำระเงิน MyScaleDB QuickStart เพื่อดูคำแนะนำเพิ่มเติม

โฮสต์ด้วยตนเอง

การใช้อิมเมจ Docker ของ MyScaleDB

หากต้องการให้อินสแตนซ์ MyScaleDB ทำงานได้อย่างรวดเร็ว เพียงดึงและเรียกใช้อิมเมจ Docker ล่าสุด:

 นักเทียบท่าทำงาน --name myscaledb --net=host myscale/myscaledb:1.8.0

หมายเหตุ: การกำหนดค่าเริ่มต้นของ Myscale อนุญาตเฉพาะการเข้าถึง IP ของโฮสต์ท้องถิ่นเท่านั้น สำหรับวิธีการเริ่มต้นใช้งานนักเทียบท่า คุณต้องระบุ --net=host เพื่อเข้าถึงบริการที่ใช้งานในโหมดนักเทียบท่าบนโหนดปัจจุบัน

สิ่งนี้จะเริ่มต้นอินสแตนซ์ MyScaleDB ด้วย default ต้นของผู้ใช้และไม่มีรหัสผ่าน จากนั้นคุณสามารถเชื่อมต่อกับฐานข้อมูลโดยใช้ clickhouse-client :

 นักเทียบท่า exec -it myscaledb clickhouse-client

การใช้นักเทียบท่าเขียน

  1. ใช้โครงสร้างไดเร็กทอรีที่แนะนำต่อไปนี้และตำแหน่งของไฟล์ docker-compose.yaml :

 > ต้นไม้ myscaledb
myscaledb
├── นักเทียบท่า-compose.yaml
└── เล่ม
    └── กำหนดค่า
        └── ผู้ใช้.d
            └── custom_users_config.xml

3 ไดเร็กทอรี 2 ไฟล์

  1. กำหนดการกำหนดค่าสำหรับการปรับใช้ของคุณ เราขอแนะนำให้เริ่มต้นด้วยการกำหนดค่าต่อไปนี้ในไฟล์ docker-compose.yaml ซึ่งคุณสามารถปรับเปลี่ยนได้ตามความต้องการเฉพาะของคุณ:

 เวอร์ชัน: '3.7' บริการ: myscaledb:image: myscale/myscaledb:1.8.0tty: trueports:
      - '8123:8123' - '9000:9000' - '8998:8998' - '9363:9363' - '9116:9116'เครือข่าย: myscaledb_network:ipv4_address: 10.0.0.2 เล่ม:
      - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/data:/var/lib/clickhouse - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/log:/var/log/clickhouse-server - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/config/users.d/custom_users_config.xml:/etc/clickhouse-server/users.d/custom_users_config.xmldeploy: resources:limits: cpus: หน่วยความจำ "16.00": 32Gbnetworks: myscaledb_network: ไดรเวอร์: bridgeipam: ไดรเวอร์: การกำหนดค่าเริ่มต้น:
        - ซับเน็ต: 10.0.0.0/24

custom_users_config.xml :

 <คลิกเฮาส์>
  <ผู้ใช้>
      <ค่าเริ่มต้น>
          <รหัสผ่าน></รหัสผ่าน>
          <เครือข่าย>
              <ไอพี>::1</ไอพี>
              <ip>127.0.0.1</ip>
              <ip>10.0.0.0/24</ip>
          </เครือข่าย>
          <โปรไฟล์>ค่าเริ่มต้น</โปรไฟล์>
          <โควต้า>ค่าเริ่มต้น</โควต้า>
          <การเข้าถึง_การจัดการ>1</การเข้าถึง_การจัดการ>
      </ค่าเริ่มต้น>
  </ผู้ใช้>
</คลิกเฮาส์>

หมายเหตุ: การกำหนดค่า custom_users_config อนุญาตให้คุณใช้ผู้ใช้เริ่มต้นในการเข้าถึงฐานข้อมูลบนโหนดที่มีการปรับใช้บริการฐานข้อมูลโดยใช้การเขียนนักเทียบท่า หากคุณต้องการเข้าถึงบริการฐานข้อมูลบนโหนดอื่น ขอแนะนำให้สร้างผู้ใช้ที่สามารถเข้าถึงได้ผ่าน IP อื่น สำหรับการตั้งค่าโดยละเอียด โปรดดูที่ MyScaleDB สร้างผู้ใช้ คุณยังสามารถปรับแต่งไฟล์การกำหนดค่าของ MyScaleDB ได้อีกด้วย คัดลอกไดเร็กทอรี /etc/clickhouse-server จากคอนเทนเนอร์ myscaledb ไปยังไดรฟ์ในเครื่องของคุณ แก้ไขการกำหนดค่า และเพิ่มการแมปไดเร็กทอรีลงในไฟล์ docker-compose.yaml เพื่อให้การกำหนดค่ามีผล:

 - ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/config:/etc/clickhouse-server

  1. ใช้คำสั่งต่อไปนี้เพื่อให้มันทำงาน:

 ซีดี myscaledb.cd
นักเทียบท่าเขียน -d

  1. เข้าถึงอินเทอร์เฟซบรรทัดคำสั่ง MyScaleDB โดยใช้คำสั่งต่อไปนี้

 นักเทียบท่า exec -it myscaledb-myscaledb-1 clickhouse-client

  1. ตอนนี้คุณสามารถรันคำสั่ง SQL ได้แล้ว โปรดดูที่การดำเนินการสืบค้น SQL

การสร้างจากแหล่งที่มา

สภาพแวดล้อมบิลด์ที่รองรับคือ Ubuntu 22.04 พร้อม LLVM 15.0.7

โปรดดูโฟลเดอร์สคริปต์

ตัวอย่างการใช้งาน:

 LLVM_VERSION=15 sudo -E สคริปต์ทุบตี/install_deps.sh
sudo apt-get -y ติดตั้ง yasm สินค้าสนิม
สคริปต์ทุบตี / config_on_linux.sh
สคริปต์ทุบตี / build_on_linux.sh

ผลการดำเนินการที่ได้จะอยู่ใน MyScaleDB/build/programs/*

บทช่วยสอน

ดูเอกสารประกอบการค้นหาเวกเตอร์สำหรับวิธีสร้างตาราง SQL ด้วยดัชนีเวกเตอร์และดำเนินการค้นหาเวกเตอร์ ขอแนะนำให้ระบุ TYPE SCANN เมื่อสร้างดัชนีเวกเตอร์ใน MyScaleDB แบบโอเพ่นซอร์ส

สร้างตารางด้วยคอลัมน์เวกเตอร์

 -- สร้างตารางด้วย body_vector ที่มีความยาว 384CREATE TABLE default.wiki_abstract
(`id` UInt64,`body` String,`title` String,`url` String,`body_vector` Array(Float32),CONSTRAINT check_length CHECK length(body_vector) = 384)
ENGINE = MergeTreeORDER ตามรหัส;

แทรกข้อมูลลงในตารางของคุณ

 -- แทรกข้อมูลจากไฟล์ปาร์เก้บน S3INSERT INTO default.wiki_abstract SELECT * FROM s3('https://myscale-datasets.s3.ap-southeast-1.amazonaws.com/wiki_abstract_with_vector.parquet','Parquet');

สร้างดัชนีเวกเตอร์

 -- สร้างดัชนีเวกเตอร์ SCANN ด้วยตัวชี้วัดโคไซน์บน body_vectorALTER TABLE default.wiki_abstract ADD VECTOR INDEX vec_idx body_vector TYPE SCANN('metric_type=Cosine');-- ค้นหาความคืบหน้าในการสร้างดัชนีจากตาราง `vector_indices`-- รอจนกระทั่ง ความคืบหน้าของดัชนีกลายเป็น `Built`SELECT * FROM system.vector_indices;

ดำเนินการค้นหาเวกเตอร์

 -- ทำการค้นหาเวกเตอร์เพื่อส่งคืนผลลัพธ์ 5 อันดับแรก SELECT
  รหัส,
  ชื่อ,
  ระยะทาง (body_vector, [-0.052, -0.0146, -0.0677, -0.0256, -0.0395, -0.0381, -0.025, 0.0911, -0.0429, -0.0592, 0.0017, -0.0358, -0.0464, -0.0189, -0.0192, 0.0544, -0.0022, -0.0292, -0.0474, -0.0286, 0.0746, -0.013, -0.0217, -0.0246, -0.0169, 0.0495, -0.0947, 0.0139, 0.0445, -0.0262, -0.0049, 0.0506, 0.004, 0.0276, 0.0063, -0.0643, 0.0059, -0.0229, -0.0315, 0.0549, 0.1427, 0.0079, 0.011, -0.0036, -0.0617, 0.0155, -0.0607, 0.0258, -0.0205, 0.0008, -0.0547, 0.0329, -0.0522, -0.0347, 0.0921, 0.0139, -0.013, 0.0716, -0.0165, 0.0257, -0.0071, 0.0084, -0.0653, 0.0091, 0.0544, -0.0192, -0.0169, -0.0017, -0.0304, 0.0427, -0.0389, 0.0921, -0.0622, -0.0196, 0.0025, 0.0214, 0.0259, -0.0493, -0.0211, -0.119, -0.0736, -0.1545, -0.0578, -0.0145, 0.0138, 0.0478, -0.0451, -0.0332, 0.0799, 0.0001, -0.0737, 0.0427, 0.0517, 0.0102, 0.0386, 0.0233, 0.0425, -0.0279, -0.0529, 0.0744, -0.0305, -0.026, 0.1229, -0.002, 0.0038, -0.0491, 0.0352, 0.0027, -0.056, -0.1044, 0.123, -0.0184, 0.1148, -0.0189, 0.0412, -0.0347, -0.0569, -0.0119, 0.0098, -0.0016, 0.0451, 0.0273, 0.0436, 0.0082, 0.0166, -0.0989, 0.0747, -0.0, 0.0306, -0.0717, -0.007, 0.0665, 0.0452, 0.0123, -0.0238, 0.0512, -0.0116, 0.0517, 0.0288, -0.0013, 0.0176, 0.0762, 0.1284, -0.031, 0.0891, -0.0286, 0.0132, 0.003, 0.0433, 0.0102, -0.0209, -0.0459, -0.0312, -0.0387, 0.0201, -0.027, 0.0243, 0.0713, 0.0359, -0.0674, -0.0747, -0.0147, 0.0489, -0.0092, -0.018, 0.0236, 0.0372, -0.0071, -0.0513, -0.0396, -0.0316, -0.0297, -0.0385, -0.062, 0.0465, 0.0539, -0.033, 0.0643, 0.061, 0.0062, 0.0245, 0.0868, 0.0523, -0.0253, 0.0157, 0.0266, 0.0124, 0.1382, -0.0107, 0.0835, -0.1057, -0.0188, -0.0786, 0.057, 0.0707, -0.0185, 0.0708, 0.0189, -0.0374, -0.0484, 0.0089, 0.0247, 0.0255, -0.0118, 0.0739, 0.0114, -0.0448, -0.016, -0.0836, 0.0107, 0.0067, -0.0535, -0.0186, -0.0042, 0.0582, -0.0731, -0.0593, 0.0299, 0.0004, -0.0299, 0.0128, -0.0549, 0.0493, 0.0, -0.0419, 0.0549, -0.0315, 0.1012, 0.0459, -0.0628, 0.0417, -0.0153, 0.0471, -0.0301, -0.0615, 0.0137, -0.0219, 0.0735, 0.083, 0.0114, -0.0326, -0.0272, 0.0642, -0.0203, 0.0557, -0.0579, 0.0883, 0.0719, 0.0007, 0.0598, -0.0431, -0.0189, -0.0593, -0.0334, 0.02, -0.0371, -0.0441, 0.0407, -0.0805, 0.0058, 0.1039, 0.0534, 0.0495, -0.0325, 0.0782, -0.0403, 0.0108, -0.0068, -0.0525, 0.0801, 0.0256, -0.0183, -0.0619, -0.0063, -0.0605, 0.0377, -0.0281, -0.0097, -0.0029, -0.106, 0.0465, -0.0033, -0.0308, 0.0357, 0.0156, -0.0406, -0.0308, 0.0013, 0.0458, 0.0231, 0.0207, -0.0828, -0.0573, 0.0298, -0.0381, 0.0935, -0.0498, -0.0979, -0.1452, 0.0835, -0.0973, -0.0172, 0.0003, 0.09, -0.0931, -0.0252, 0.008, -0.0441, -0.0938, -0.0021, 0.0885, 0.0088, 0.0034, -0.0049, 0.0217, 0.0584, -0.012, 0.059, 0.0146, -0.0, -0.0045, 0.0663, 0.0017, 0.0015, 0.0569, -0.0089, -0.0232, 0.0065, 0.0204, -0.0253, 0.1119, -0.036, 0.0125, 0.0531, 0.0584, -0.0101, -0.0593, -0.0577, -0.0656, -0.0396, 0.0525, -0.006, -0.0149, 0.003, -0.1009, -0.0281, 0.0311, -0.0088, 0.0441, -0.0056, 0.0715, 0.051, 0.0219, -0.0028, 0.0294, -0.0969, -0.0852, 0.0304, 0.0374, 0.1078, -0.0559, 0.0805, -0.0464, 0.0369, 0.0874, -0.0251, 0.0075, -0.0502, -0.0181, -0.1059, 0.0111, 0.0894, 0.0021, 0.0838, 0.0497, -0.0183, 0.0246, -0.004, -0.0828, 0.06, -0.1161, -0.0367, 0.0475, 0.0317]) AS DistanceFROM default.wiki_abstractORDER BY Distance ASCLIMIT 5;

ชุมชน

เรามุ่งมั่นที่จะปรับปรุงและพัฒนา MyScaleDB อย่างต่อเนื่องเพื่อตอบสนองความต้องการที่เปลี่ยนแปลงตลอดเวลาของอุตสาหกรรม AI เข้าร่วมกับเราในการเดินทางที่น่าตื่นเต้นนี้และเป็นส่วนหนึ่งของการปฏิวัติในการจัดการข้อมูล AI!

  • ความไม่ลงรอยกัน

  • สนับสนุน

  • รับข่าวสารหรืออัปเดตล่าสุดของ MyScaleDB

    • ติดตาม @MyScaleDB บน ​​Twitter

    • ติดตาม @MyScale บน LinkedIn

    • อ่านบล็อก MyScale

แผนการทำงาน

  • ดัชนีกลับด้านและการค้นหาคำหลัก/เวกเตอร์ที่มีประสิทธิภาพ (รองรับตั้งแต่ 1.5)

  • รองรับเอ็นจิ้นการจัดเก็บข้อมูลเพิ่มเติม เช่น ReplacingMergeTree (รองรับตั้งแต่ 1.6)

  • ความสามารถในการสังเกต LLM ด้วย MyScaleDB และ MyScale Telemetry

  • LLM ที่เน้นข้อมูลเป็นศูนย์กลาง

  • วิทยาศาสตร์ข้อมูลอัตโนมัติด้วย MyScaleDB

ใบอนุญาต

MyScaleDB ได้รับอนุญาตภายใต้ Apache License เวอร์ชัน 2.0 ดูสำเนาของไฟล์ใบอนุญาต

เครดิต

เราขอขอบคุณเป็นพิเศษสำหรับโครงการโอเพ่นซอร์สเหล่านี้ ซึ่งเราได้พัฒนา MyScaleDB:

  • ClickHouse - DBMS การวิเคราะห์ฟรีสำหรับข้อมูลขนาดใหญ่

  • Faiss - ไลบรารีสำหรับการค้นหาความคล้ายคลึงกันที่มีประสิทธิภาพและการจัดกลุ่มเวกเตอร์หนาแน่นโดย Meta's Fundamental AI Research

  • hnswlib - ไลบรารี C++/python แบบส่วนหัวเท่านั้นสำหรับเพื่อนบ้านที่ใกล้ที่สุดอย่างรวดเร็ว

  • ScanNN - ห้องสมุดเพื่อนบ้านที่ใกล้ที่สุดที่ปรับขนาดได้โดย Google Research

  • Tantivy - ไลบรารีเครื่องมือค้นหาข้อความแบบเต็มที่ได้รับแรงบันดาลใจจาก Apache Lucene และเขียนด้วยภาษา Rust

เชิงอรรถ

  1. ดูว่าทำไมการกรองข้อมูลเมตาจึงมีความสำคัญต่อการเพิ่มความแม่นยำของ RAG ที่นี่

  2. อัลกอริธึม MSTG (กราฟต้นไม้หลายสเกล) จัดทำผ่าน MyScale Cloud ทำให้ได้รับความหนาแน่นของข้อมูลสูงพร้อมพื้นที่จัดเก็บบนดิสก์ และประสิทธิภาพการจัดทำดัชนีและการค้นหาที่ดีขึ้นในข้อมูลเวกเตอร์พันล้านสเกล

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด