目前，AIGC領(lǐng)域正處于蓬勃發(fā)展的階段，同時(shí)大規(guī)模數(shù)據(jù)集的使用和計(jì)算資源用量提升，也為AIGC業(yè)務(wù)架構(gòu)底層的基礎(chǔ)設(shè)施提出了更高的要求。為了更好地支持AIGC業(yè)務(wù)的發(fā)展，UCloud在數(shù)據(jù)中心建設(shè)、網(wǎng)絡(luò)、文件存儲(chǔ)、主機(jī)鏡像市場等多個(gè)方面都提供了相關(guān)產(chǎn)品和解決方案。

　　數(shù)據(jù)庫方面，在云主機(jī)鏡像市場已支持Milvus向量數(shù)據(jù)庫的基礎(chǔ)上，UCloud云數(shù)據(jù)庫UDB中的PostgreSQL（以下簡稱UPgSQL）還新增支持了pgvector向量數(shù)據(jù)庫插件，持續(xù)在AIGC業(yè)務(wù)架構(gòu)中所涉及的向量數(shù)據(jù)庫環(huán)節(jié)完善產(chǎn)品支持。

　　pgvector的特點(diǎn)及使用場景

　　pgvector是PostgreSQL數(shù)據(jù)庫的擴(kuò)展插件，其設(shè)計(jì)目的是讓用戶能夠在現(xiàn)有的PostgreSQL數(shù)據(jù)庫上實(shí)現(xiàn)向量搜索和計(jì)算，而無需引入額外的向量數(shù)據(jù)庫，主要特點(diǎn)如下：

　　和PostgreSQL數(shù)據(jù)庫深度集成

　　pgvector作為PostgreSQL數(shù)據(jù)庫的一個(gè)擴(kuò)展插件，它允許在PostgreSQL數(shù)據(jù)庫中存儲(chǔ)和查詢向量數(shù)據(jù)，無需遷移數(shù)據(jù)或更改應(yīng)用程序架構(gòu)，從而降低了集成的復(fù)雜性。如果業(yè)務(wù)架構(gòu)已經(jīng)在使用 PostgreSQL，而且希望快速地添加向量數(shù)據(jù)支持，pgvector是一個(gè)便捷的選擇。

　　SQL簡單易用

　　pgvector使用標(biāo)準(zhǔn)SQL查詢語言，適合于熟悉SQL查詢的用戶，而Milvus等專業(yè)向量數(shù)據(jù)庫則是提供了自己的查詢語言和 API。

　　數(shù)據(jù)模型可以靈活組合

　　pgvector允許用戶將向量數(shù)據(jù)存儲(chǔ)在表中的特定列中，同時(shí)允許將向量數(shù)據(jù)與其他屬性數(shù)據(jù)混合在一起。這種靈活性使得用戶可以在單一查詢中同時(shí)處理向量數(shù)據(jù)和其他結(jié)構(gòu)化數(shù)據(jù)，從而滿足更廣泛的分析需求。

　　開箱即用

　　UDB UPgSQL數(shù)據(jù)庫產(chǎn)品已經(jīng)內(nèi)置了pgvector插件，可以在實(shí)例創(chuàng)建成功后直接開始使用，無需進(jìn)行額外的配置。與Milvus等向量數(shù)據(jù)庫相比，這種集成方式減少了學(xué)習(xí)和配置的成本。

　　UCloud pgvector數(shù)據(jù)庫快速入門

　　pgvector最大支持創(chuàng)建16000個(gè)維度的向量， 并可以對(duì)最大2000個(gè)維度的向量建立索引。云數(shù)據(jù)庫UPgSQL默認(rèn)已經(jīng)安裝并啟用pgvector插件，以下是商品搜索與推薦系統(tǒng)案例中使用pgvector的具體步驟：

　　1.在UCloud UPgSQL控制臺(tái)創(chuàng)建一臺(tái)PostgreSQL數(shù)據(jù)庫實(shí)例，通過Root用戶登錄數(shù)據(jù)庫。

　　2.創(chuàng)建一個(gè)商品表，其中包含商品的名稱、描述和特征向量。

　　3.向商品表中插入一些商品數(shù)據(jù)，包括商品名稱、描述以及與其相關(guān)的特征向量。

　　4. 當(dāng)搜索商品時(shí)，可以使用向量相似度來執(zhí)行智能的商品搜索

　　5.基于用戶的歷史購買記錄或?yàn)g覽行為，可以計(jì)算用戶的偏好向量，然后根據(jù)相似度來為用戶推薦其他商品。

　　6.創(chuàng)建索引：為了提高查詢效率， pgvector支持為向量數(shù)據(jù)建立IVF-Flat索引，可以通過下列語句創(chuàng)建索引。

　　創(chuàng)建索引語句的參數(shù)說明：

　　●CREATE INDEX ON products表示在 "products" 表上創(chuàng)建一個(gè)新的索引。

　　●USING ivfflat: 這部分指定了要使用的索引方法，即 "ivfflat"。

　　●(vector_data vector_cosine_ops): "vector_data" 是列的名稱， "vector_cosine_ops" 是指向量余弦相似度操作符，這表明你希望使用余弦相似度來優(yōu)化這個(gè)索引。

　　●WITH (lists = 100): "lists" 參數(shù)設(shè)置為 100，是為了控制索引中的列表數(shù)量，以便在向量搜索時(shí)進(jìn)行更有效的查詢。

　　更多使用方法詳見 pgvector官方文檔（https://github.com/pgvector/pgvector）

　　UDB作為UCloud云平臺(tái)的核心產(chǎn)品，為廣大用戶提供了多樣化的數(shù)據(jù)庫選擇，覆蓋了MySQL、PostgreSQL、SQL Server、MongoDB等常用數(shù)據(jù)庫品類。UDB PostgreSQL數(shù)據(jù)庫支持pgvector插件后，可以通過創(chuàng)建UDB PostgreSQL數(shù)據(jù)庫快速獲得pgvector功能，無需額外的配置。

　　同時(shí)，如果需要專業(yè)的向量數(shù)據(jù)庫功能，也可以使用UCloud鏡像市場中的Milvus鏡像，創(chuàng)建對(duì)應(yīng)主機(jī)獲取Milvus向量數(shù)據(jù)庫服務(wù)。作為一款開源向量數(shù)據(jù)庫，Milvus專注于高性能的向量數(shù)據(jù)存儲(chǔ)與檢索。它的設(shè)計(jì)旨在處理大規(guī)模的向量數(shù)據(jù)，包括圖像、文本、音頻等各個(gè)領(lǐng)域的向量特征。Milvus以高效的相似性搜索和向量計(jì)算為特色，滿足了多領(lǐng)域數(shù)據(jù)探索和分析的需求。