Lakebase Search: State-of-the-Art-Volltext- und Vektorsuche für Postgres
Von KI aus dem englischen Original übersetzt. Auf Englisch ansehen
Lakebase Postgres bietet jetzt eine integrierte Suchmaschine (GA auf AWS und Azure), die native semantische, Keyword- und Hybridsuche direkt neben operativen Daten ohne separate ETL-Pipelines ermöglicht. Mit einer serverlosen Architektur, die auf Null skaliert und Speicher von Compute trennt, liefert sie bei 100-Millionen-Vektor-Benchmarks den doppelten Durchsatz bei einem Viertel der Kosten von Cloud Postgres mit pgvector.
* Lakebase Postgres enthält nun eine integrierte Suchmaschine (GA auf AWS/Azure). Zwei Erweiterungen, lakebase_vector (ANN-Suche) und lakebase_text (BM25), ermöglichen die Ausführung von semantischer, Keyword- und Hybridsuche direkt in Postgres neben operativen Daten, wodurch ein separates Suchsystem und ETL-Pipeline überflüssig werden. * Es übertrifft pgvector und dedizierte Suchmaschinen im großen Maßstab. Bei einem Benchmark mit 100 Millionen Vektoren liefert Lakebase den doppelten Durchsatz des zweitbesten Systems, 4-mal geringere Kosten als Cloud Postgres mit pgvector und 97 % Recall bei 71 ms P99-Latenz. Dies wird erreicht, indem Speicher und Compute entkoppelt und hierarchisches IVF-Clustering sowie binäre Quantisierung (RaBitQ) verwendet werden, sodass Abfragen nur die benötigten Daten berühren. * Die Architektur ist serverlos und skaliert auf Null. Sie bezahlen für die Abfragenutzung, nicht für das Datenvolumen. Index-Erstellungen werden von der primären Datenbank ausgelagert, Kaltstarts dauern ca. 1 Sekunde, und 100 Millionen Vektoren können auf einer einzigen Compute-Einheit bereitgestellt werden – ideal für die spunghaften Abfragemuster von KI-Agenten.