Auf dieser Seite wird beschrieben, wie Memorystore for Valkey das Speichern und Abfragen von Vektordaten für Anwendungen mit generativer KI wie Retrieval Augmented Generation (RAG) und LangChain mithilfe von Vektorsuchfunktionen unterstützt.
Vektorsuche für generative KI mit LangChain verwenden
Die Vektorsuche in Memorystore for Valkey ist mit dem Open-Source-LLM Framework LangChain kompatibel. Mit der Vektorsuche und LangChain können Sie Lösungen für die folgenden Anwendungsfälle entwickeln:
- RAG
- LLM-Cache
- Empfehlungssystem
- Semantische Suche
- Suche nach Bildähnlichkeit
Vorteile der Vektorsuche für generative KI in Memorystore for Valkey
Der Vorteil der Verwendung von Memorystore zum Speichern Ihrer generativen KI Daten im Vergleich zu anderen Google Cloud Datenbanken ist die Geschwindigkeit. Die Vektorsuche in Memorystore for Valkey nutzt Multithread-Abfragen, was zu einem hohen Abfragedurchsatz (QPS) bei niedriger Latenz führt.
Ansätze für die Verwendung der Vektorsuche für generative KI in Memorystore for Valkey
Memorystore bietet auch zwei verschiedene Suchansätze, mit denen Sie das richtige Gleichgewicht zwischen Geschwindigkeit und Genauigkeit finden können. Die Option Hierarchical Navigable Small World (HNSW) liefert schnelle, ungefähre Ergebnisse – ideal für große Datensätze, bei denen eine weitgehende Übereinstimmung ausreicht. Wenn Sie absolute Genauigkeit benötigen, liefert der Ansatz FLAT genaue Antworten, die Verarbeitung kann jedoch etwas länger dauern.
Wenn Sie Ihre Anwendung für die schnellsten Lese- und Schreibgeschwindigkeiten für Vektordaten optimieren möchten, ist Memorystore for Valkey wahrscheinlich die beste Option für Sie.