KVectors向量数据库准备开源啦～

这是

的第 548 篇原创

🖖 https://afoo.me

前阵子老王说，

KVectors可以搞开源+商业服务的模式

虽然这个产品从一开始构思、设计到实现就没考虑过开源

但“听人劝吃饱饭”嘛

这几天简单思考了下

决定这样…

1 🍀 开源版 KVectors 向量数据库（kvectors-oss）

开源版KVectors向量数据库是最初版设计和实现，当时的设计前提是：

1. 模型更新迭代太快，向量数据库中的向量可能因模型变更原因需要全量重新处理和存储；
2. 数据衍生系统，所以，数据变更可以通过从原始数据源重新加载；
3. 阶段性重新构建索引以提高性能与数据的新鲜度；

在这些前提下， 最初版的KVectors向量数据库的存储是APPEND_ONLY的，也就是只追加，不提供更新与删除等操作。（这也是前阵子金总说要基于这版打造商业方案，我心里没底儿的原因，因为还没经过实际场景检验。）

当然，除了APPEND_ONLY向量存储，还支持TRANSIENT类型的向量存储，这更多是便于测试或者用完即弃的场景。

向量索引方面，最初版支持如下索引类型：

1. FLAT索引
2. HNSW索引

看起来很少，对吧？

但其实这两个索引 + APPEND_ONLY 向量存储 已经可以满足大部分场景的需求，要知道头部向量数据库产品weaviate，其实也就是支持这两种索引，虽然它声称可以支持三种，但其实就是FLAT和HNSW再根据数据的生命周期再组合一下。

如果配合应用架构设计，这一版的KVectors向量数据库基本可以满足8成以上 AI 场景需求。

2 🍀 企业版 KVectors 向量数据库（kvectors-enterprise）

企业版 KVectors 向量数据库会在开源版基础上在如下方面进行增强：

1. 更多的向量索引类型。除了支持开源版支持所有向量索引类型，企业版KVectors向量数据库还支持如下向量索引（Scala 版 IVF 索引和 IVF_RABITQ 索引，完全自主设计与实现！）：
   • IVF(IVF_FLAT)
   • IVF_RABITQ
   • LSH
   • 更多…
2. 更强劲的向量存储引擎
   • 支持全面CRUD操作的向量存储引擎与向量集合， 既允许用户极速向KVectors向量数据库注入高维向量，又支持根据业务场景对向量的数据与元信息进行更改。
3. 更全面的商业服务与支持
   • 除了提供开箱即用的极速向量数据库产品，还为用户提供AI智能体与技术体系内的架构咨询与商业支持。
   • 总之，力求客户的钱花得值！

3 🍀 后续工作

1. codebase 整理
2. 相关文档整理
3. 社区反馈与持续迭代