NOUVEAU
REPÈRE
À quoi sert la recherche vectorielle dans une base de données ?
La recherche vectorielle permet d'obtenir les résultats les plus proches sans avoir besoin d'une correspondance directe. Le texte, les images, l'audio et la vidéo sont convertis en représentations mathématiques et utilisés pour la recherche sémantique ou pour surmonter les défis de la GenAI à l'aide de l'outil de recherche vectorielle. le cadre de la génération augmentée par récupération (RAG). Au niveau de l'entreprise, la recherche vectorielle est couramment utilisée pour les puissants chatbots en langage naturel, la recherche sophistiquée qui offre une recherche hybride combinant des prédicats de plage, de texte et de vecteur, et l'analyse de données qui repère les similitudes et les anomalies. Dans Couchbase 8.0, nous introduisons les index vectoriels Hyperscale et Composite pour améliorer la précision de la recherche vectorielle à l'échelle sans nuire aux performances ou au coût des opérations.
Ne laissez pas ces défis de la recherche vectorielle vous ralentir
Complexité
Il n'est pas nécessaire d'utiliser une base de données distincte pour la recherche vectorielle, ce qui ajoute à la complexité, à l'administration, au coût et à la latence de l'application globale.
Temps de latence
Il est essentiel pour les utilisateurs que les résultats soient renvoyés le plus rapidement possible. Des sauts supplémentaires et une mauvaise indexation nuisent à l'expérience de l'utilisateur.
Sécurité
Construire des applications GenAI sans alimenter les modèles publics avec des données d'entreprise et livrer les utilisateurs. précis et actualisé les résultats.
Évolutivité
Couchbase a prouvé sa capacité à gérer des milliards de vecteurs avec des temps de réponse de l'ordre de la milliseconde, ce qui permet à votre application de s'adapter sans limite à l'échelle mondiale.
Capacités clés de la recherche vectorielle
La création d'applications vectorielles et de GenAI puissantes nécessite une plateforme de base de données puissante dotée d'une architecture différenciée, rapide, abordable et polyvalente.
Plate-forme unique pour les applications agentiques
Construire des applications modernes, supportant GenAI, RAG, et agents à l'échelle, tout en minimisant les problèmes de confidentialité et de latence.
Flexibilité d'indexation inégalée
Couchbase propose trois options d'indexation vectorielle pour répondre à vos besoins en termes de performance, de rappel, de coût et de requêtes.
Des performances de l'ordre du milliard
La recherche vectorielle Couchbase permet une recherche à l'échelle de la milliseconde grâce à une architecture qui privilégie la mémoire et à des services d'indexation flexibles.
Support "cloud-to-edge
Avec la recherche vectorielle dans le nuage et sur l'appareil, vous bénéficiez de l'échelle du nuage requise pour la GenAI et du traitement en périphérie pour la rendre efficace.
Recherche par similarité, recherche hybride
La similarité est un outil puissant, mais les scénarios du monde réel exigent une recherche hybride sur du texte, des géolocalisations, des plages et des données opérationnelles. Grâce aux multiples options d'indexation, les développeurs peuvent ajuster avec précision leur stratégie de recherche hybride pour obtenir des performances et une pertinence optimales.
Applications Agentic et RAG
Les agents d'IA ajouteront un nouveau niveau de sophistication et de raisonnement à la façon dont les utilisateurs interagiront avec une organisation et ses données. Grâce à RAG, les équipes peuvent rendre les applications GenAI plus sûres, plus précises et plus actuelles.
Détection des fraudes et des anomalies
En convertissant le comportement des utilisateurs et les transactions en vecteurs, ces modèles peuvent être comparés à d'autres représentations vectorielles similaires susceptibles d'indiquer une fraude. La recherche vectorielle est efficace pour traiter des données à haute dimension et pour comparer des similitudes.
Applications mobiles vectorielles
L'exécution d'une recherche vectorielle dans des appareils mobiles et embarqués présente tous les avantages de l'informatique de pointe : temps de réponse de l'ordre de la milliseconde, fiabilité, disponibilité même sans Internet ("offline-first"), économies de bande passante et, surtout, réponses personnalisées sans compromettre la confidentialité des données.
Ce que disent les clients
“Couchbase’s new vector search capabilities transforms how we deliver context-aware video discovery for enterprises.”
92%
une mise en œuvre plus rapide des nouvelles fonctionnalités
"Les données de communication en temps réel de Couchbase et les requêtes à haute concurrence améliorent considérablement les performances et la stabilité de l'application de l'assistant d'intelligence artificielle.
70M
documents
8K
opérations par seconde
"Couchbase Search nous permet de fournir très efficacement des résultats de recherche aux clients à partir d'ensembles de données extrêmement volumineux.
360°
des informations sur les clients pour leurs clients
"Nous sommes satisfaits de la disponibilité, des performances, de la facilité de réplication des données, de la sécurité, de l'évolutivité et de la recherche en texte intégral de Couchbase".
>30K
requêtes par minute
<5s
heure de début de la demande
Explorer les ressources connexes
Introduction à la recherche vectorielle
Voir la recherche vectorielle et hybride en action
Tests de recherche vectorielle : Couchbase est 350 fois plus rapide que MongoDB à l'échelle du milliard
Vector search FAQ
Get quick answers to questions about vector search, databases, and more.
How does Couchbase vector search compare to other databases?
Couchbase is a multimodel platform that combines high-performance vector search with text, geo-spatial, and other search techniques, eliminating the need for a separate, standalone vector database.
What vector index types does Couchbase support?
Couchbase supports three primary index types: Hyperscale for billion-scale datasets, Composite for high-speed filtered searches, and Search for hybrid semantic-keyword queries.
Can Couchbase vector search work on mobile and edge devices?
Native support for vector search on mobile devices is available in Couchbase Lite, which enables offline-first vector search on iOS, Android, and IoT platforms.
How does Couchbase vector search support RAG pipelines?
Couchbase supports RAG pipelines by serving as a dedicated vector store to automate embedding creation and indexing, ensuring LLMs have access to accurate, private enterprise context.
Commencer à construire
Consultez notre portail pour développeurs afin d'explorer NoSQL, de parcourir les ressources et de commencer à utiliser les tutoriels.
Utiliser Capella gratuitement
Prenez en main Couchbase en quelques clics. Capella DBaaS est le moyen le plus simple et le plus rapide de démarrer.
Prendre contact
Vous souhaitez en savoir plus sur les offres Couchbase ? Laissez-nous vous aider