Lakebase Search : recherche textuelle et vectorielle de pointe pour Postgres
Traduit de l'original anglais par IA. Voir en anglais
Lakebase Postgres intègre désormais un moteur de recherche (GA sur AWS et Azure) qui permet une recherche sémantique, par mots-clés et hybride directement aux côtés des données opérationnelles, sans pipelines ETL séparés. Doté d'une architecture serverless avec passage à l'échelle à zéro et dissociation du stockage et du calcul, il offre deux fois plus de débit pour un quart du coût de Cloud Postgres avec pgvector sur des benchmarks à 100 millions de vecteurs.
* Lakebase Postgres intègre désormais un moteur de recherche (GA sur AWS/Azure). Deux extensions, lakebase_vector (recherche ANN) et lakebase_text (BM25), vous permettent d'exécuter des recherches sémantiques, par mots-clés et hybrides directement dans Postgres aux côtés des données opérationnelles, éliminant ainsi le besoin d'un système de recherche distinct et d'un pipeline ETL. * Il surpasse pgvector et les moteurs de recherche dédiés à grande échelle. Sur un benchmark de 100 millions de vecteurs, Lakebase offre deux fois le débit du meilleur système alternatif, un coût quatre fois inférieur à celui de Cloud Postgres avec pgvector, et un rappel de 97 % pour une latence P99 de 71 ms. Il y parvient en dissociant le stockage du calcul et en utilisant un clustering IVF hiérarchique associé à une quantification binaire (RaBitQ) afin que les requêtes n'accèdent qu'aux données nécessaires. * L'architecture est serverless avec un passage à l'échelle à zéro. Vous payez pour l'utilisation des requêtes et non pour le volume de données. La création d'index est déchargée de la base de données principale, les démarrages à froid prennent environ 1 seconde et 100 millions de vecteurs peuvent être servis sur une seule unité de calcul, ce qui en fait une solution spécialement conçue pour les schémas de récupération par rafales des agents IA.