AlloyDB AI 將向量處理和相似度搜尋功能直接整合至 AlloyDB for PostgreSQL，讓您能依語意查詢結構化關聯資料和非結構化資料。AlloyDB AI 結合標準 SQL 功能與近似最近鄰 (ANN) 索引，支援語意搜尋和檢索增強生成 (RAG) 工作流程，不必部署及管理獨立的向量資料庫。
核心架構與效能
AlloyDB 使用 PostgreSQL 的 pgvector 擴充功能，提供向量功能。這項服務支援熱門的 HNSW 索引，以及可擴充的最近鄰 (ScaNN) 索引。ScaNN 索引是 Google 搜尋研究多年來的心血結晶，也是最先進的向量搜尋演算法。這項功能與 PostgreSQL 環境深度整合，可執行與 pgvector 相容的高速作業和進階語意查詢。
ScaNN 索引效能
相較於標準 PostgreSQL HNSW (Hierarchical Navigable Small Worlds) 索引，ScaNN 索引的速度優勢顯著，可提供快速的向量運算，滿足高需求的 AI 工作負載：
| 作業 | 效能提升 (與標準 PostgreSQL HNSW 索引相比) | 功能與特色 |
|---|---|---|
| 建立索引 | 速度快達 10 倍 | 平行建立索引 |
| 向量搜尋查詢 | 速度最高可達 4 倍 | 索引自動維護 |
| 篩選向量搜尋查詢 | 速度快達 10 倍 | 企業級觀測能力 |
自動調整篩選條件和查詢最佳化
ScaNN 索引與 PostgreSQL 查詢計畫工具深度整合，可確保混合查詢 (包含向量相似度和標準結構化中繼資料篩選器) 達到最佳效能。
- 自動調整篩選功能：這項機制可確保篩選器、連結和向量索引相輔相成，發揮最佳成效。運作方式是在執行階段觀察查詢執行統計資料、瞭解篩選器的選擇性，並彈性調整執行計畫，決定篩選器套用和向量搜尋的最有效順序。
- 內嵌篩選：內嵌篩選是 ScaNN 演算法專用的最佳化策略，可同時執行向量搜尋和中繼資料篩選器評估。這項功能會運用次要 PostgreSQL 索引 (例如 B 樹狀結構、GIN 或 GiST)，建立符合篩選條件的資料列候選清單 (點陣圖)。後續的向量掃描只會計算預先篩選集合內向量的距離，大幅降低運算負擔，在篩選條件選擇性適中時尤其明顯。
與 Gemini Enterprise Agent Platform 完美整合
AlloyDB AI 專為與 Agent Platform 生態系統內建整合而設計，可直接在資料庫中使用 SQL 轉換及充實資料。
自動生成嵌入
這個平台支援使用 google_ml_integration 擴充功能自動產生嵌入內容。這項功能可使用 Agent Platform 模型 (例如 text-embedding-005)，將營運資料 (文字、圖片和影片) 轉換為向量嵌入。
- 模型註冊：使用
google_ml.create_model程序在資料庫中註冊 Agent Platform 模型 (嵌入和生成式)。 - 虛擬資料欄：使用
embedding()函式，即可在生成的資料欄中自動生成並保留嵌入項目，確保向量資料與來源資料欄資料保持同步：
ALTER TABLE my_table
ADD COLUMN embedding vector(768)
GENERATED ALWAYS AS (embedding('text-embedding-005', source_column)) STORED;
查詢和生成式 AI 擴充功能
儲存向量嵌入後，開發人員可以使用標準 SQL 中的向量相似度運算子 (<=>)，執行複雜的語意搜尋。此外，您可以使用 google_ml.generate_content 等函式，將這些搜尋結果直接傳送至 gemini-2.0-flash-001 等生成式 AI 模型，進行 RAG 查詢擴充，並生成容易使用的輸出內容。