Introducción a los índices vectoriales

.

Un índice vectorial es una estructura de datos diseñada para que las funciones VECTOR_SEARCH y AI.SEARCH se ejecuten de forma más eficiente, sobre todo en conjuntos de datos de gran tamaño.

Casos prácticos

Los índices vectoriales mejoran la eficiencia de la búsqueda vectorial, que normalmente se realiza en incrustaciones de texto o multimodales de tus datos. Los índices vectoriales de BigQuery te ayudan a realizar las siguientes tareas de forma más eficiente:

  • Hacer una búsqueda semántica
  • Detectar imágenes, audios o vídeos similares o duplicados
  • Realizar agrupaciones en clústeres, segmentaciones o clasificaciones
  • Crear sistemas de recomendación
  • Encontrar las K imágenes o reseñas más similares a una entrada determinada

Para obtener más información, consulta el artículo Introducción a la búsqueda vectorial.

Precios

La instrucción CREATE VECTOR INDEX usa los precios de computación de BigQuery. No se cobra por el procesamiento necesario para crear y actualizar los índices vectoriales siempre que el tamaño total de los datos de la tabla indexada no supere el límite por organización. Para admitir la indexación más allá de este límite, debes proporcionar tu propia reserva para gestionar las tareas de gestión de índices.

El almacenamiento también es un factor importante para los índices. La cantidad de bytes almacenados como índice está sujeta a los costes de almacenamiento activo.

  • Los índices vectoriales generan costes de almacenamiento cuando están activos.
  • Para consultar el tamaño del almacenamiento del índice, usa la vista INFORMATION_SCHEMA.VECTOR_INDEXES. Si el índice vectorial aún no tiene una cobertura del 100 %, se te cobrará por lo que se haya indexado. Puedes consultar la cobertura de indexación en la vista INFORMATION_SCHEMA.VECTOR_INDEXES.

Cuotas y límites

Para obtener más información, consulta Límites de índices vectoriales.

Siguientes pasos