Publicado: Feb 19, 2024
O Amazon DocumentDB (compatível com MongoDB) agora oferece suporte à pesquisa vetorial com o índice Hierarchical Navigable Small World (HNSW – Mundo Pequeno Navegável Hierárquico). O índice HNSW permite executar pesquisas de similaridade vetorial com baixa latência e produzir resultados altamente relevantes. Os vetores são representações numéricas de dados não estruturados, como texto, criados a partir de modelos de machine learning (ML) que ajudam a capturar o significado semântico dos dados subjacentes. A pesquisa vetorial para o Amazon DocumentDB pode armazenar vetores do Amazon Bedrock, do Amazon SageMaker e muitos outros.
Com a pesquisa vetorial para o Amazon DocumentDB, você pode simplesmente configurar, operar e escalar bancos de dados para ML, incluindo aplicações habilitadas para IA generativa. Você não precisa mais perder tempo gerenciando uma infraestrutura vetorial separada, escrevendo código para se conectar a outro serviço e duplicando dados do seu banco de dados de origem. O recurso de pesquisa vetorial, juntamente com os grandes modelos de linguagem (LLMs), permitem que você pesquise o banco de dados com base no significado, desbloqueando uma ampla variedade de casos de uso, incluindo pesquisa semântica, recomendações de produtos, personalização e chatbots.
A pesquisa vetorial para o Amazon DocumentDB está disponível nos clusters baseados em instância do DocumentDB 5.0 em todas as regiões que oferecem o Amazon DocumentDB.
Você pode começar lançando um cluster do Amazon DocumentDB diretamente do Console da AWS ou da AWS CLI. Saiba mais sobre a pesquisa vetorial em nossa página de atributos e no guia do desenvolvedor.