문서의 새로운 기능

기술 가이드

가이드

Google 연구팀의 TimeFM 모델에 대한 기본 지원을 통해 AlloyDB AI의 AI.Forecast 함수를 사용하여 운영 데이터에 대한 시계열 예측을 수행하는 방법을 알아보세요.

가이드

검색 성능에 최적화된 색인 또는 균형 잡힌 색인 빌드 시간과 검색 성능을 제공하는 색인을 자동으로 생성하세요.

가이드

AlloyDB AI를 사용하여 데이터에 대한 벡터 임베딩을 자동으로 생성하는 확장 가능한 솔루션에 대해 알아보세요.

가이드

AlloyDB AI의 ScaNN 색인 자동 유지보수를 사용하여 벡터 검색의 속도와 정확성을 유지하세요.

가이드

워크로드, 네트워크 토폴로지, 보안 연결 요구사항에 가장 적합한 연결 옵션을 선택하세요.

가이드

데이터베이스 요구사항을 지원하는 머신 유형을 알아보세요.

확장 가능하고 자동화된 벡터 임베딩을 통해 엔터프라이즈 AI 도입을 가속화하세요.

블로그

AlloyDB AI의 관리형 기능을 사용하여 벡터 검색을 위해 운영 워크로드를 준비하세요.

블로그

Google 연구팀의 TimeFM 모델을 활용하여 AlloyDB에 저장된 데이터에 대한 시계열 예측을 수행하세요.

블로그

Antigravity 및 Gemini 3를 사용하여 자연어로 PostgreSQL을 빌드하세요.

블로그

TimesFM 기반 AlloyDB의 네이티브 시계열 예측에 대해 알아보세요.

블로그

AlloyDB AI가 벡터 검색의 성능을 대규모로 유지하기 위해 벡터 색인을 어떻게 자동으로 유지보수하는지 알아보세요.