Supabase Vector: векторная база данных Postgres
Supabase Vector: The Postgres Vector database
Postgres с pgvector, по словам автора, может заменить отдельную векторную базу, если добавить HNSW-индекс и партиционирование по схожести.
- HNSW вместо IVFFlat — после критики в твиттере HNSW-индекс для pgvector добавили примерно за месяц; по словам авторов, и число запросов в секунду, и точность выросли.
- Партиции вместо фильтрации — в примере с пользовательскими изображениями триггер при вставке сравнивает embedding с эталоном и при схожести выше 0.8 кладёт строку в отдельную партицию; ненужные данные удаляются через
DROPпартиции, а код укладывается примерно в 14 строк SQL. - Векторы рядом с данными — embeddings лежат в той же базе, что и остальные данные, поэтому выборка идёт одним запросом, а правила row-level security задаются на тех же таблицах.
- Шардинг через Citus — по словам авторов, транзакции масштабируются линейно при добавлении узлов; это направление в разработке вместе с командой Citus из Microsoft.
Кому полезно: тем, кто строит RAG на Postgres и решает, нужна ли отдельная векторная база. Доклад во многом презентация Supabase, но инженерная часть в нём конкретная.
Статья по теме
Главы
Похожие доклады
Основы информационного поиска
AI Engineer World's Fair 2025
Близко по содержанию
Эффективные гибридные запросы к контексту для grounding LLM
AI Engineer Summit 2023
Близко по содержанию
RAG в масштабе: готовые к production GenAI-приложения с Azure AI Search
AI Engineer World's Fair 2024
Близко по содержанию
Современное состояние AI-поиска и извлечения информации
AI Engineer World's Fair 2025
Близко по содержанию

