בדף הזה מוסבר איך Memorystore for Redis Cluster תומך באחסון ובשאילתות של נתונים וקטוריים עבור אפליקציות AI גנרטיביות, כמו Retrieval Augmented Generation (יצירה משולבת-אחזור, RAG) ו-LangChain, באמצעות יכולות חיפוש וקטורי.
שימוש בחיפוש וקטורי ל-AI גנרטיבי עם LangChain
חיפוש וקטורים ב-Memorystore for Redis Cluster תואם למסגרת ה-LLM בקוד פתוח LangChain. שימוש בחיפוש וקטורי עם LangChain מאפשר לכם ליצור פתרונות לתרחישים הבאים:
- RAG
- מטמון LLM
- מערכת המלצות
- חיפוש סמנטי
- חיפוש תמונות דומות
היתרונות של חיפוש וקטורי ל-AI גנרטיבי ב-Memorystore for Redis Cluster
היתרון בשימוש ב-Memorystore לאחסון נתונים של AI גנרטיבי, בהשוואה למסדי נתונים אחרים, הוא המהירות. Google Cloud חיפוש וקטורי ב-Memorystore for Redis Cluster מתבסס על שאילתות מרובות-הליכים, וכתוצאה מכך מתקבלת תפוקת שאילתות גבוהה (QPS) עם זמן אחזור נמוך.
גישות לשימוש בחיפוש וקטורים ל-AI גנרטיבי ב-Memorystore for Redis Cluster
בנוסף, Memorystore מספק שתי גישות חיפוש שונות שיעזרו לכם למצוא את האיזון הנכון בין מהירות לדיוק. האפשרות Hierarchical Navigable Small World (HNSW) מספקת תוצאות מהירות ומשוערות – אידיאלי למערכי נתונים גדולים שבהם התאמה קרובה מספיקה. אם אתם צריכים דיוק מוחלט, גישת FLAT תיתן לכם תשובות מדויקות, אבל יכול להיות שייקח קצת יותר זמן לעבד אותן.
אם אתם רוצים לבצע אופטימיזציה של האפליקציה כדי להשיג את מהירויות הקריאה והכתיבה הכי גבוהות של נתוני וקטורים, כנראה ש-Memorystore for Redis Cluster היא האפשרות הכי טובה בשבילכם.