2023年7月29日，AWS 最近宣布，Amazon Aurora 的 PostgreSQL 兼容版本现在支持 pgvector进行向量存储和相似性搜索。Aurora 是最新的托管 PostgreSQL 数据库，支持开源扩展来存储和搜索机器学习模型的嵌入。

pgvector扩展简化了现有 Postgres 数据库中嵌入的存储和有效搜索，捕获文本输入的语义。AWS 首席数据库专家解决方案架构师 Shayon Sanyal 介绍了如何在 Aurora 上利用 pgvector 进行自然语言处理、聊天机器人和情感分析：

pgvector 提供了不同的功能，可让您识别精确和近似最近邻。它旨在与其他 PostgreSQL 功能无缝协作，包括索引和查询。使用 ChatGPT 和其他 LLM 工具通常需要将这些系统的输出（即向量嵌入）存储在永久存储系统中，以便稍后检索。

在文章中，Sanyal 展示了如何使用 LangChain 和 Streamlit 构建一个简单的交互式应用程序，让用户根据 PDF 文件中的内容以自然语言提问。

据云提供商称，pgvector 扩展允许客户将 ML 功能构建到电子商务、媒体和健康应用程序中。新选项增加了Amazon Aurora 机器学习的功能，它将 Aurora 与 AWS ML 服务集成，并提供使用 SQL 语言创建基于 ML 的预测的能力。Glass 联合创始人 Stefan Borsje评论道：

pgvector 登陆 Amazon Aurora，相似性搜索在合理大小的数据集上的表现（速度 + 精度）让我大吃一惊。只需约 10 毫秒即可通过余弦相似度对数十万个 512 维向量进行排序。这是什么魔法？

AWS 高级数据库专家解决方案架构师Krishna Sarabu解释了如何使用 SageMaker 和 pgvector 在 PostgreSQL 中构建人工智能驱动的搜索：

生成嵌入后，应用程序或研究人员可以在向量空间内执行相似性搜索。嵌入的相似性搜索有利于各种行业应用，包括电子商务、推荐系统和欺诈检测。例如，系统可以识别产品或交易之间的数学相似性，以创建相关产品推荐或识别潜在的欺诈活动。

词嵌入：语义相似的词在嵌入空间中紧密结合在一起（来源：使用 Amazon SageMaker 和 pgvector 在 PostgreSQL 中构建人工智能驱动的搜索）

由于生成式 AI 的流行以及为了与Pinecone等专用矢量数据库竞争，不同的托管数据库服务增加了对 pgvector 的支持。这些服务包括Azure Database for PostgreSQL 灵活服务器、Azure Cosmos DB for PostgreSQL 和 Amazon RDS for PostgreSQL。此外，Google Cloud SQL for PostgreSQL 和 AlloyDB for PostgreSQL 最近引入了对该扩展的支持，InfoQ 上单独报道了这一点。

pgvector 扩展可在所有 AWS 区域的 Aurora PostgreSQL 15.3、14.8、13.11、12.15 及更高版本上使用。该文档涵盖了当前支持的所有扩展、它们的版本以及如何使用 PostgreSQL 扩展和外部数据包装器。

文章来源：https://www.infoq.com/news/2023/07/aws-aurora-pgvector/