L'essor de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML) a créé une demande pour des bases de données capables de traiter efficacement aussi bien les données structurées que non structurées.Enterprise Platform MariaDB Enterprise Platform cette demande en intégrant la recherche vectorielle directement dans son moteur de base de données principal. Cela ouvre la voie à de nouvelles fonctionnalités puissantes, vous permettant de développer des applications sophistiquées basées sur l'IA à l'aide de systèmes de « Retrieval-Augmented Generation » (RAG), de la recherche sémantique et de moteurs de recommandation.
En supprimant le recours à des bases de données vectorielles distinctes, MariaDB votre infrastructure de données et vous permet de tirer parti de la synergie entre les opérations SQL traditionnelles et les représentations vectorielles. En regroupant la gestion des données vectorielles et relationnelles,Enterprise Platform MariaDB Enterprise Platform le développement, améliore les performances et réduit les coûts, ce qui en fait une solution rentable pour les entreprises souhaitant exploiter pleinement le potentiel de l'IA.
Obtenez une pertinence optimale grâce à la recherche hybride
Obtenez des résultats d’une précision exceptionnelle en combinant le meilleur de deux méthodes de recherche. La recherche hybride associe la précision des mots-clés de la recherche en texte intégral à la correspondance basée sur la similarité de la recherche vectorielle. MariaDB utilise MariaDB la technique RRF (Reciprocal Rank Fusion) pour classer et unifier intelligemment les résultats, garantissant ainsi à vos utilisateurs de trouver exactement ce qu’ils recherchent, plus rapidement.
Pile de données simplifiée pour la gestion des vecteurs
Rationalisez votre infrastructure de données en supprimant les bases de données vectorielles distinctes. La prise en charge native de la recherche vectorielle MariaDBvous permet de gérer à la fois les données relationnelles et les représentations vectorielles au sein d’un environnement unifié, ce qui réduit la complexité, les coûts d’exploitation et les problèmes liés à la synchronisation des données.
Haute performance pour les charges de travail d'IA exigeantes
Bénéficiez d'une recherche vectorielle hautement performante grâce à des recherches par similarité rapides et à haut débit (QPS) pour vos applications d'IA. En prenant en charge nativement les charges de travail vectorielles, MariaDB des performances optimales et une intégration transparente, sans nécessiter de bases de données externes spécialisées.
Intégration transparente avec les données relationnelles
Associez la puissance de la recherche vectorielle à vos données relationnelles existantes. Effectuez des requêtes hybrides complexes qui exploitent ces deux types de données pour obtenir des informations plus approfondies. Par exemple, recherchez des produits visuellement similaires qui répondent également à des critères structurés tels que le prix et la disponibilité, le tout à l'aide d'une seule instruction SQL.
Recherche vectorielle économique avec MariaDB
Évitez les coûts et la complexité liés à l'utilisation de bases de données vectorielles distinctes. MariaDB Enterprise Platform vousEnterprise Platform tirer parti de votre infrastructure existante pour effectuer des recherches vectorielles intégrées, ce qui réduit les coûts d'exploitation et simplifie l'administration. Abandonnez le « polyglotisme » des bases de données au profit d'une solution unique et puissante.

MariaDB . pgvector
Test de performance de recherche vectorielle
La société Small Datum LLC a récemment mené des tests comparatifs rigoureux visant à comparer la fonctionnalité de recherche vectorielle intégrée MariaDBavec pgvector, une extension très répandue pour PostgreSQL. Les résultats fournissent des informations très intéressantes sur la rapidité, l'efficacité et la facilité d'utilisation de la recherche vectorielle MariaDBpar rapport à pgvector.

QPS élevé (requêtes par seconde)
MariaDB surpasse MariaDB pgvector, offrant jusqu'à deux fois plus de QPS pour un objectif de rappel donné.
Temps de création d'index rapide
MariaDB nettement plus rapide : la création d'un index prend moins de temps, tout en offrant un taux de rappel comparable, voire supérieur (c'est-à-dire le pourcentage de résultats véritablement pertinents, c'est-à-dire les « véritables voisins les plus proches », renvoyés par une requête).
Facilité de réglage
MariaDB le processus d'optimisation en supprimant la nécessité de procéder à des configurations complexes des paramètres, comme l'exige pgvector.

Premiers pas avec Vector Search
Ressources recommandées
VIDÉO
Introduction aux représentations vectorielles et à la recherche vectorielle
WEBINAIRE
Introduction à la création d'applications GenAI, aux modèles de langage à grande échelle (LLM), à la recherche vectorielle intégrée et bien plus encore
BLOG
Transformer les bases de données à l'ère de l'IA : la révolution vectorielle