Dimensionnement de Lakebase Search : enseignements d'une application réelle et de 4 millions de passages
Traduit de l'original anglais par IA. Voir en anglais
Ajuster la taille du Local File Cache pour correspondre à l'index vectoriel permet de conserver jusqu'à 98 % des pages en mémoire et de réduire la latence des recherches vectorielles chaudes à quelques millisecondes directement au sein de Lakebase Postgres. Réduire le réservoir de candidats à 200 diminue les lectures de pages de deux tiers tout en préservant 90,5 % des meilleurs résultats, avec un socle permanent de 0,5 CU offrant une base de production optimale pour seulement 31 à 40 dollars par mois.
* Lakebase Search exécute la recherche vectorielle et par mots-clés BM25 sous forme d'extensions Postgres au sein de la base de données applicative, offrant ainsi aux développeurs une recherche hybride sans avoir à maintenir un système de recherche distinct ou un second chemin de transaction. * Les benchmarks montrent que le dimensionnement du Local File Cache pour correspondre approximativement à l'index vectoriel maintient 95 à 98 % des pages en mémoire, abaissant la latence des recherches vectorielles chaudes à une seule milliseconde, tandis que la réduction du réservoir de candidats de 1 000 à 200 préserve 90,5 % des 10 meilleurs résultats pour un tiers des lectures de pages. * Lakebase Postgres facture le calcul uniquement pendant son exécution. Un test de charge de 14 minutes traitant 109 000 requêtes n'a consommé que 0,02 $ de calcul Lakebase Postgres, faisant d'un socle permanent de 0,5 CU à 31-40 $/mois la référence de production recommandée pour éviter les démarrages à froid.