经过一个冬季的专注开发，我们很高兴地宣布 PlanetScale 对向量搜索和存储的支持已正式发布（GA）。自公开测试版启动以来，我们将查询性能提升了一倍，内存效率提高了八倍，并专注于鲁棒性，以确保向量支持与 MySQL 支持的其他数据类型一样可靠。我们尤其为向量索引的可扩展性感到自豪，即使索引大小达到可用内存的 6 倍，其性能依然出色。

这是一个真正的关系型索引

我们将向量打造为 MySQL 的一等公民，这意味着写入和查询像普通 RDBMS 一样工作。将向量数据存储在现有键空间的列中。使用 ALTER 或 CREATE VECTOR INDEX 语句构建索引。像其他数据一样，编写带有 JOIN 和 WHERE 子句的 SELECT 语句。将写入操作包裹在事务中，并期望数据在事务提交后立即可见——或者在你要求时回滚。在添加和删除行时，索引将保持高性能，无需定期重建。

这是一个 PlanetScale 数据库

你依赖的所有 PlanetScale 功能同样适用于向量。创建一个分支。添加向量索引。打开部署请求并将索引合并到生产分支。如果改变主意，可以回滚。在其他副本上查询向量索引，甚至在其他区域。安心入睡，因为你的向量数据已包含在定时备份中。

这是一个优秀的向量索引

我们不仅正确处理了关系型和运维方面。我们还构建了高级向量索引功能，以满足各种嵌入（embeddings）和用例。索引可以按欧几里得（L2）、内积或余弦距离对向量进行排序。它可以存储高达 16,383 维的任何向量。它同时支持固定量化和乘积量化。固定量化低至每个字段一位时速度极快，或者根据你的需求，简直是疯狂。

索引应该比 RAM 更大

PlanetScale 向量支持最突出的特点之一是能够使用比 RAM 更大的索引。我们是第一个将基于 SPANN（空间分区近似最近邻）的索引集成到 RDBMS 中的。SPANN 是一种混合索引设计，结合了基于分区和基于树的索引的最佳方面。在 SPANN 中，向量被分配到小的分区中，这些分区存储在隐藏的 InnoDB 表中。每个分区中的一个向量（约占索引的 20%）存储在内存中的树结构中，使索引能够快速识别与查询相关的分区。在构建和查询索引时，只需要树和少量固定的相关分区在内存中，从而允许在向量数据高达可用内存 6 倍的情况下高效运行。在 PlanetScale Metal 上使用向量索引可确保从 InnoDB 加载向量分区以回答查询的速度尽可能快。

如何启用向量支持

要开始使用向量，请转到任意数据库的“Branches”页面。点击你想要添加向量的分支，然后点击该分支右侧“Connect”按钮下方的小齿轮图标以进入分支设置。点击“Enable vectors”旁边的开关。按照向量文档中的示例创建向量列、添加数据，并创建和查询索引。

更多资源

要了解更多关于向量嵌入的信息，请查看我们的 YouTube 视频：

你可以查看以下文档：

• PlanetScale 向量概述

• 向量数据库术语和概念

• 向量搜索的常见用例

• 在 ORM 中使用 PlanetScale 向量

• 向量类型和索引参考

向量支持现已准备好在生产环境中使用。当你在数据库中使用向量进行构建时，我们欢迎反馈，以帮助我们持续提升性能和可用性。你可以提交支持工单来传达任何反馈或问题。我们的 Discord 中还有一个向量频道，你可以在那里提问、分享反馈或讨论用例。

转载声明：本文为转载整理，原文版权归原作者及原站点所有。

原文来源：PlanetScale Blog

原创地址：https://planetscale.com/blog/announcing-planetscale-vectors-ga