向量数据库设计架构-关于向量数据库-文档中心-腾讯云

部署架构
腾讯云向量数据库（Tencent Cloud VectorDB）采用分布式部署架构。客户端请求通过 Load balance 分发到各节点上。每个节点相互通信和协调，实现数据存储与检索。
﻿
负载均衡（Load Balancer，LB）：是对多台后端服务器进行流量分发的服务。向量数据库集群架构节点数量 >= 3，自动通过 Load balance 来均衡访问。
分布式 Storage Node：向量数据库集群由多个节点构成，每个节点均可直接进行读/写操作，负责数据的计算及存储。Collection 是向量数据的基本组织形式，将向量集合拆分成多个分片，并分配到不同的节点上进行存储和处理；每个分片还会在其他节点上同步产生多个副本，以保证数据库服务的可扩展性与高可用性。
Meta Server：集群管理模块，由一组 Master 节点组成，负责存储集群的节点信息、数据分片信息等元数据信息。
Embedding Service：是一种将非结构化数据（如文本、图像、音频等）转换为向量表示的服务，从而方便进行分析、聚类等操作。具体信息，请参见 Embedding 介绍。
Split Service：是一种将文本拆分成短语或句子等的服务。
Object Service：负责将数据批量导入到指定集合，支持多种数据导入格式。
Object Storage：用于存储和管理数据导入服务中上传的数据文件。
逻辑架构
在 VectorDB 中，数据库实例是最高层级的容器，用于存储多个 Database，而一个 Database 包含多个集合。Collection 与 CollectionView 是具有相同数据结构和语义的 Document 容器。其逻辑结构，如下图所示。
﻿
基本概念
含义
实例（Instance）
用户购买向量数据库服务的基本单位。
Base Database
可直接操作向量数据的数据库，包含一系列相关 Collection 的集合。
该类数据库可直接写入向量数据，可对存储的向量数据进行修改、清理等。
该类数据库可写入文本信息，通过 Embedding 自动向量化，存储原始文本与向量数据，可修改原始文本信息，进而修改数据。
AI Database
指专门用于 AI 套件上传并存储文件的向量数据库， 包含一系列相关 CollectionView 集合视图。该类数据库对已上传的文件不支持更新文件内容，无法直接对向量数据进行操作。
Collection
Base 类数据库具有相似属性文档组的集合，相当于关系型数据库中的表。一个 Database 中可以包含多个 Collection。
副本与分片：创建 Collection 时需根据预估数据规模和业务需求，指定集合所需的副本数和分片数。分片是将数据集合拆分为多个更小的部分，每个部分放在不同的节点，以提高系统性能；而副本则是对每一个数据分片的备份，保障系统的可靠性。
动态 Schema：创建 Collection 时支持根据数据属性按需自定义字段，设计灵活、易用。
CollectionView
AI 类数据库中一组具有相似属性的文档组集合，相当于关系型数据库中的表。只是 CollectionView 是针对 AI 类数据库文档组的集合视图，由多个 DocumentSet 组成。每个 DocumentSet 存储一组数据，对应一个文件。多个 DocumentSet 构成一个CollectionView。
副本与分片：创建 CollectionView 无需指定实例副本与分片，系统根据文件内容的大小自动调整分配资源。
动态 Schema：创建 CollectionView 支持灵活扩展文件 Metadata 信息的标量字段。
Document
Base 类数据库中一个 Collection 中可以包含多个 Document。每个 Document 由多个字段（Field）组成形成一条向量数据。每个 Field 以键值对（key：value）的形式存储，相当于关系型数据库中的数据字段。
说明：
动态 Schema：腾讯云向量数据库（Tencent Cloud VectorDB）支持在创建 Collection 时灵活扩展属性字段，同时支持在更新数据时新增字段。这意味着用户无需预先定义所有的字段，可以根据需要在插入数据时自动识别并调整模式。这种设计使得 VectorDB 更加灵活和易于使用，同时也避免了预定义所有字段带来的限制。
DocumentSet
DocumentSet 是 AI 类数据库中 CollectionView 中的一个概念，用于存储文件的单元。在 CollectionView 中，一个文件会被拆分成多个 Document，这些 Document 组成了一个完整的文件数据，也就是一个DocumentSet。DocumentSet 可看作是一组相关的 Document 的集合，它们对应着同一个文件的数据。
说明：
动态 Schema：腾讯云向量数据库（Tencent Cloud VectorDB）支持在创建 CollectionView 时灵活扩展文件 Meta 信息的标量字段，同时支持更新或新增标量字段。
Index
一种用于加速检索的数据结构，分为主键检索、向量索引和 Filter 索引。
主键索引（Primary Key Index）：是一种用于快速查找特定行的数据库索引类型。在主键索引中，每个行都有一个唯一的标识符，称为主键。主键索引使用这些主键来快速查找特定行，而不需要扫描整个表。腾讯云向量数据库默认将 Document id 或 DocumentSet ID 作为主键来构建主键索引。
向量索引（Vector Index）：是一种用于快速查找相似向量的数据库索引类型。在向量索引中，每个向量都被索引，并且可以通过计算它们之间的相似度来快速查找最相似的向量。向量索引通常用于处理大规模的高维数据，当前所支持的相似度算法，请参见 索引与计算。
Filter 索引（Filter Index）：是建立在标量字段的索引。标量字段被建立 Filter 索引之后，向量检索时，将依据 Filter 指定的标量字段的条件表达式来查找相似向量，请参见 Filter 条件表达式。
属性（Attribute）
标识 Collection 或 CollectionView 的其他属性，基本属性如下所示，可以根据具体需求进行自定义和扩展，以适应不同的业务场景和数据类型。
Name：集合名称。
Description：集合的备注信息，用于描述集合的业务属性或其他信息。
Alias：集合别名。别名可以是一个简短的字符串，方便标识和访问对应的集合。当使用别名访问时，用户不感知真实集合名的变化，适用于数据迁移到新集合后的一键切换场景。
安全设计
多副本设计：腾讯云向量数据库（Tencent Cloud VectorDB）的多副本设计是指将数据库的数据复制到多个副本中，以提高系统的可用性和容错性。在多副本设计中，用户可以在 Collection 级别指定副本数，每个副本分布在不同的节点。当某个节点发生故障时，系统可以自动从其他节点的副本中获取数据，从而保证系统的连续性和稳定性。同时，多副本设计还可以提高系统的性能和可扩展性。
多可用区：腾讯云向量数据库默认为多可用区分布式集群化部署，这意味着将数据的副本分布在多个可用区域，以确保系统的高可用性和容错性。每个可用区都是一个独立的数据中心，拥有自己的计算、存储和网络资源，避免单点故障和保证系统的稳定性。当前默认为多可用区部署，暂不支持用户自定义可用区。
登录鉴权：腾讯云向量数据库（Tencent Cloud VectorDB）使用账号（account）和 API 密钥（api_key）的组合进行鉴权，以验证用户身份并授权其访问。客户端向服务端发起 HTTP 请求时，需要在请求的 Header 中携带 account 和 api_key。服务端在接收到请求后，会对 api_key 的合法性进行判断。如果 api_key 合法，则服务端会根据请求的内容做出正确的响应。鉴权时 Token 的格式为account=root&api_key=xxx。
私有网络：腾讯云向量数据库运行于私有网络环境中。私有网络（Virtual Private Cloud，VPC）是一块在腾讯云上自定义的逻辑隔离网络空间，基于隧道技术，在物理网络上构造虚拟网络，使用虚拟化技术，实现不同私有网络之间内网完全隔离。这种网络环境为用户提供了独立、隔离的安全云网络，可以有效地保护用户的数据安全和隐私，确保数据库的安全性和可靠性。
安全组：一种虚拟防火墙，具备有状态的数据包过滤功能，用于设置云服务器、负载均衡、云数据库等实例的网络访问控制，控制实例级别的出入流量，是重要的网络安全隔离手段。腾讯云向量数据库支持配置安全组，以控制云数据库实例的网络访问，从而保护云资源的安全性。安全组支持基于 IP 地址、端口号、协议等多种条件进行访问控制，可以根据不同的业务需求，设置不同的访问规则。
访问管理（Cloud Access Management，CAM）：腾讯云提供的一套 Web 服务，用于帮助客户安全地管理腾讯云账户的访问权限，资源管理和使用权限。腾讯云向量数据库通过 CAM 可以创建、管理和销毁用户（组），并通过身份管理和策略管理控制哪些人可以使用哪些数据库资源，资源细粒度控制，提供企业级的安全防护。
通信协议
腾讯云向量数据库（Tencent Cloud VectorDB）支持通过 HTTP 协议进行数据写入和查询等操作。您可以将不同类型的请求消息以 JSON 格式放入 HTTP 请求消息 Body 中，将请求发送到 VectorDB 的HTTP API 地址即可。VectorDB 将自动解析请求消息 Body 中的 JSON 数据，并将其存储到数据库中。
VectorDB 使用 HTTP 协议中的 GET、POST 等标准 HTTP 方法来执行不同的操作。同时，VectorDB 的 HTTP API 还使用 HTTP 状态码和响应头来表示请求的结果和状态，以及使用 URL 来标识资源。这种设计风格使得 VectorDB 的 HTTP API 易于使用和理解，并且可以方便地与其他系统进行集成。
VectorDB 通过提供 VPC 网络隔离和发送请求时在 HTTP 头部信息中携带实例账号和 API 密钥进行身份认证来保证数据的安全性，通过 JSON 格式的结构体进行数据交换，每个请求都会返回一个标准的 HTTP 响应状态码和响应内容。若操作失败，用户可以根据响应内容获取到具体错误信息。
在发送请求时，客户端在 HTTP 头部信息中携带账号和 API 密钥，这些信息会以 HTTP 参数的形式进行传递（HTTP 参数格式为account=root&api_key=xxx）。服务端会对 API 密钥的合法性进行判断，并根据判断结果做出相应的响应。
您可以使用 curl 命令发送 HTTP 请求消息，如下为创建数据库的请求示例。其中，请求头部信息中携带了账号和 API 密钥，分别为“root”和“abcdefg”。
curl -i -X POST \\
  -H 'Content-Type: application/json' \\
  -H 'Authorization: Bearer account=root&api_key=abcdefg' \\
  http://10.0.X.X:80/database/create \\
  -d '{
	"database": "db-test"
  }'
参数
参数解释
curl 
执行命令
-X 
指定 HTTP 请求方法，常用的请求方法如下所示：
GET：从数据库集群获取资源。
POST：向数据库提交数据，用于创建资源或处理数据。
-H
指定 HTTP 请求头，该示例设置了两个请求头，含义如下所示：
'Content-Type: application/json' ，表示请求的消息 Body 是 JSON 格式的。
'Authorization: Bearer account=root&api_key=abcdefg' \\http://10.0.X.X:80/database/create，表示请求消息的安全认证信息。
 account=root：向量数据库账号信息。数据库当前仅支持 root 账号。
api_key=abcdefg：API 请求密钥信息。如何获取，请参见 管理密钥。
http://10.0.X.X:80/database/create：请求访问的 URL 地址。由以下参数拼接而成。
10.0.X.X：指向量数据库的内网 IP 地址。如何获取，请参见 查看实例信息。
80：向量数据库默认的访问端口。
﻿/database/create：指创建向量数据库的 API 接口。
-d
指定 HTTP 请求消息 Body。这里使用 JSON 格式传递了一个参数为"database"，值为"db-test"的数据。

基本概念	含义
实例（Instance）	用户购买向量数据库服务的基本单位。
Base Database	可直接操作向量数据的数据库，包含一系列相关 Collection 的集合。该类数据库可直接写入向量数据，可对存储的向量数据进行修改、清理等。该类数据库可写入文本信息，通过 Embedding 自动向量化，存储原始文本与向量数据，可修改原始文本信息，进而修改数据。
AI Database	指专门用于 AI 套件上传并存储文件的向量数据库，包含一系列相关 CollectionView 集合视图。该类数据库对已上传的文件不支持更新文件内容，无法直接对向量数据进行操作。
Collection	Base 类数据库具有相似属性文档组的集合，相当于关系型数据库中的表。一个 Database 中可以包含多个 Collection。副本与分片：创建 Collection 时需根据预估数据规模和业务需求，指定集合所需的副本数和分片数。分片是将数据集合拆分为多个更小的部分，每个部分放在不同的节点，以提高系统性能；而副本则是对每一个数据分片的备份，保障系统的可靠性。动态 Schema：创建 Collection 时支持根据数据属性按需自定义字段，设计灵活、易用。
CollectionView	AI 类数据库中一组具有相似属性的文档组集合，相当于关系型数据库中的表。只是 CollectionView 是针对 AI 类数据库文档组的集合视图，由多个 DocumentSet 组成。每个 DocumentSet 存储一组数据，对应一个文件。多个 DocumentSet 构成一个CollectionView。副本与分片：创建 CollectionView 无需指定实例副本与分片，系统根据文件内容的大小自动调整分配资源。动态 Schema：创建 CollectionView 支持灵活扩展文件 Metadata 信息的标量字段。
Document	Base 类数据库中一个 Collection 中可以包含多个 Document。每个 Document 由多个字段（Field）组成形成一条向量数据。每个 Field 以键值对（key：value）的形式存储，相当于关系型数据库中的数据字段。说明：动态 Schema：腾讯云向量数据库（Tencent Cloud VectorDB）支持在创建 Collection 时灵活扩展属性字段，同时支持在更新数据时新增字段。这意味着用户无需预先定义所有的字段，可以根据需要在插入数据时自动识别并调整模式。这种设计使得 VectorDB 更加灵活和易于使用，同时也避免了预定义所有字段带来的限制。
DocumentSet	DocumentSet 是 AI 类数据库中 CollectionView 中的一个概念，用于存储文件的单元。在 CollectionView 中，一个文件会被拆分成多个 Document，这些 Document 组成了一个完整的文件数据，也就是一个DocumentSet。DocumentSet 可看作是一组相关的 Document 的集合，它们对应着同一个文件的数据。说明：动态 Schema：腾讯云向量数据库（Tencent Cloud VectorDB）支持在创建 CollectionView 时灵活扩展文件 Meta 信息的标量字段，同时支持更新或新增标量字段。
Index	一种用于加速检索的数据结构，分为主键检索、向量索引和 Filter 索引。主键索引（Primary Key Index）：是一种用于快速查找特定行的数据库索引类型。在主键索引中，每个行都有一个唯一的标识符，称为主键。主键索引使用这些主键来快速查找特定行，而不需要扫描整个表。腾讯云向量数据库默认将 Document id 或 DocumentSet ID 作为主键来构建主键索引。向量索引（Vector Index）：是一种用于快速查找相似向量的数据库索引类型。在向量索引中，每个向量都被索引，并且可以通过计算它们之间的相似度来快速查找最相似的向量。向量索引通常用于处理大规模的高维数据，当前所支持的相似度算法，请参见索引与计算。 Filter 索引（Filter Index）：是建立在标量字段的索引。标量字段被建立 Filter 索引之后，向量检索时，将依据 Filter 指定的标量字段的条件表达式来查找相似向量，请参见 Filter 条件表达式。
属性（Attribute）	标识 Collection 或 CollectionView 的其他属性，基本属性如下所示，可以根据具体需求进行自定义和扩展，以适应不同的业务场景和数据类型。 Name：集合名称。 Description：集合的备注信息，用于描述集合的业务属性或其他信息。 Alias：集合别名。别名可以是一个简短的字符串，方便标识和访问对应的集合。当使用别名访问时，用户不感知真实集合名的变化，适用于数据迁移到新集合后的一键切换场景。

参数	参数解释
curl	执行命令
-X	指定 HTTP 请求方法，常用的请求方法如下所示： GET：从数据库集群获取资源。 POST：向数据库提交数据，用于创建资源或处理数据。
-H	指定 HTTP 请求头，该示例设置了两个请求头，含义如下所示： 'Content-Type: application/json' ，表示请求的消息 Body 是 JSON 格式的。 'Authorization: Bearer account=root&api_key=abcdefg' \\http://10.0.X.X:80/database/create，表示请求消息的安全认证信息。 account=root：向量数据库账号信息。数据库当前仅支持 root 账号。 api_key=abcdefg：API 请求密钥信息。如何获取，请参见管理密钥。 http://10.0.X.X:80/database/create：请求访问的 URL 地址。由以下参数拼接而成。 10.0.X.X：指向量数据库的内网 IP 地址。如何获取，请参见查看实例信息。 80：向量数据库默认的访问端口。 /database/create：指创建向量数据库的 API 接口。
-d	指定 HTTP 请求消息 Body。这里使用 JSON 格式传递了一个参数为"database"，值为"db-test"的数据。

设计架构

本页目录：

部署架构

逻辑架构

安全设计

通信协议