生成 AI アプリケーションのベクトル検索

このページでは、ベクトル検索機能を使用して、検索拡張生成（RAG）や LangChain などの生成 AI アプリケーションのベクトルデータの保存とクエリを Memorystore for Redis がどのようにサポートしているかについて説明します。

LangChain を使用して生成 AI にベクトル検索を使用する

Memorystore for Redis のベクトル検索は、オープンソースの LLM フレームワーク LangChain と互換性があります。 LangChain でベクトル検索を使用すると、次のユースケースのソリューションを構築できます。

  • RAG
  • LLM キャッシュ
  • レコメンデーション エンジン
  • セマンティック検索
  • 画像の類似性検索

Memorystore for Redis の生成 AI のベクトル検索のメリット

他の Google Cloud データベースと比較して、Memorystore を使用して生成 AI データを保存するメリットは、その速度です。Memorystore for Redis のベクトル検索はマルチスレッド クエリを活用し、低レイテンシで高スループットのクエリ処理（QPS）を実現します。

Memorystore for Redis の生成 AI にベクトル検索を使用するアプローチ

Memorystore には、処理速度と精度のバランスをとれるように、2 つの異なる検索アプローチも用意されています。「Hierarchical Navigable Small World」（HNSW）アプローチは、概算値をすばやく取得できるため、近似一致で十分な大規模なデータセットに最適です。厳密な精度が必要な場合については、「FLAT」アプローチによって正確な結果が生成されますが、処理に要する時間が若干長くなる可能性があります。

ベクトルデータの読み取り / 書き込み速度を最速にするようにアプリケーションを最適化する場合は、Memorystore for Redis が最適なオプションとなる可能性があります。