Сервер для векторных баз данных
Хранение эмбеддингов и быстрый поиск ближайших векторов для семантического поиска, рекомендаций и систем RAG с большими языковыми моделями: Milvus, Qdrant, Weaviate или pgvector внутри PostgreSQL.
- Число и размерность векторов — от количества эмбеддингов и их длины зависят память и объём дисков.
- Тип ANN-индекса — индексы приближённого поиска ускоряют запросы ценой части точности и расхода памяти.
- Память против диска — поиск по индексу в памяти быстрее; на больших объёмах используют дисковые индексы.
- Режим нагрузки — постоянное добавление векторов, обновления и требуемая пропускная способность по запросам.
Ориентировочные требования
| Сценарий | Объём векторов | RAM / диски | CPU / масштаб |
|---|---|---|---|
| Пилот RAG, небольшая база знаний | до ~1 млн | 16–32 ГБ, NVMe | 4–8 ядер, pgvector/Qdrant |
| Продакшн семантического поиска | 1–50 млн | 64–256 ГБ, NVMe RAID10 | 8–16 ядер, ANN-индекс |
| Крупный поиск и рекомендации | 50–500 млн | 256–1024 ГБ, дисковые индексы | 16–32 ядра, шардирование |
| Распределённый кластер | миллиарды векторов | узлы памяти и хранения | Milvus, несколько узлов |
Плотность эмбеддинга (например, 768 или 1536 чисел на вектор) умножается на их количество — этот расчёт определяет минимум памяти; полезные нагрузки, исходные тексты и метаданные хранят отдельно.
Готовые конфигурации
Как мы работаем
Поставка для B2B
Работаем с интеграторами AI-решений, продуктовыми командами, разработчиками поисковых и рекомендательных систем и участниками тендеров. Договор, экспортные документы и доставка. Гарантия на новые серверы — до 3 лет по договору с Beijing Xinchuan Technology Co., Ltd.
Частые вопросы
Зачем отдельная векторная база, если есть PostgreSQL?
pgvector удобен, когда векторы лежат рядом с обычными данными и их до нескольких миллионов. Специализированные системы (Milvus, Qdrant, Weaviate) дают распределённое масштабирование и больше типов ANN-индексов для сотен миллионов векторов и высокой нагрузки.
Что такое ANN-индекс?
Это структура приближённого поиска ближайших соседей: она жертвует небольшой долей точности, чтобы найти похожие векторы за миллисекунды на больших объёмах вместо полного перебора. Тип и параметры индекса подбирают под допустимую точность.
Векторы должны быть в памяти?
Для минимальной задержки горячий индекс держат в памяти. На очень больших объёмах применяют дисковые и сжатые индексы, снижая стоимость; при этом часть данных подгружается с NVMe, что немного увеличивает время ответа.
Какая гарантия?
На новые серверы — до 3 лет по договору с Beijing Xinchuan Technology Co., Ltd.; диски NVMe и адаптеры фиксируем в спецификации.