O Memorystore para Valkey é compatível com o armazenamento e a consulta de dados vetoriais. Nesta página, você encontra informações sobre a pesquisa vetorial no Memorystore para Valkey.
A pesquisa de vetores no Memorystore for Valkey é compatível com o framework de LLM de código aberto LangChain. Usar a pesquisa de vetores com o LangChain permite criar soluções para os seguintes casos de uso:
- Geração aumentada de recuperação (RAG)
- Cache de LLM
- Mecanismo de recomendação
- Pesquisa semântica
- Pesquisa por similaridade de imagens
A vantagem de usar o Memorystore para armazenar seus dados de IA generativa, em vez de outros bancos de dados Google Cloud , é a velocidade do Memorystore. A pesquisa vetorial no Memorystore para Valkey usa consultas multithread, resultando em alta taxa de transferência de consultas (QPS) com baixa latência.
O Memorystore também oferece duas abordagens de pesquisa distintas para ajudar você a encontrar o equilíbrio certo entre velocidade e precisão. A opção HNSW (Hierarchical Navigable Small World) oferece resultados rápidos e aproximados, ideal para grandes conjuntos de dados em que uma correspondência próxima é suficiente. Se você precisar de precisão absoluta, a abordagem "FLAT" produz respostas exatas, embora possa levar um pouco mais de tempo para processar.
Se você quiser otimizar seu aplicativo para as velocidades de leitura e gravação de dados vetoriais mais rápidas, o Memorystore para Valkey provavelmente será a melhor opção.