大模型应用开发-向量数据库选型

向量数据库，专门为向量检索设计的中间件。
个人觉得做LLM应用开发，前期可以选择chromdb,后期选择Milvus.
**
Milvus比较适合我的业务场景，向量数据管理和搜索。

向量数据库是一种专门用于存储、检索和处理高维向量数据的数据库，广泛应用于搜索、推荐系统、自然语言处理等领域。以下是一些常见的向量数据库及其对比：

常见向量数据库

1. FAISS (Facebook AI Similarity Search)

   • 开发者：Facebook AI Research
   • 特点：
     • 高效的相似性搜索和聚类
     • 支持大规模数据集（数十亿向量）
     • 多种索引类型，如平面索引、树索引、量化索引等
     • 多GPU支持
   • 适用场景：需要高性能和低延迟的大规模相似性搜索，如图像搜索、推荐系统。

2. Annoy (Approximate Nearest Neighbors Oh Yeah)

   • 开发者：Spotify
   • 特点：
     • 基于随机树的近似最近邻搜索
     • 高效的内存使用
     • 适用于读取多于写入的场景
     • 无需额外依赖，轻量级
   • 适用场景：推荐系统、音频分析。