Couchbase Hyperscale Vector Index (HVI) offre prestazioni eccezionali rispetto a MongoDB in un benchmark indipendente su scala miliardaria

SAN JOSE, Calif. - 23 ottobre 2025 - Couchbase, Inc., la piattaforma di dati per sviluppatori per le applicazioni critiche nel nostro mondo AI, ha annunciato oggi i risultati di un'indagine Couchbase parametro di riferimento test, condotto con uno strumento indipendente, che dimostra che l'indice vettoriale Hyperscale (HVI) di Couchbase offre vantaggi eccezionali in termini di prestazioni rispetto alle soluzioni della concorrenza su scala di miliardi di vettori. Il test completo, condotto utilizzando la metodologia standard del settore VectorDBBench, mostra che Couchbase raggiunge oltre 700 query al secondo (QPS) con una latenza inferiore al secondo e una precisione superiore, 350 volte più veloce di MongoDB Atlas in condizioni identiche.

Il rigoroso confronto testa a testa ha messo alla prova Couchbase e MongoDB con dataset di 100 milioni di vettori a 768 dimensioni e 1 miliardo di vettori a 128 dimensioni, misurando QPS, latenza di risposta e accuratezza di richiamo in diverse configurazioni di recupero. I risultati dei benchmark rivelano differenze di prestazioni notevoli, che diventano ancora più pronunciate quando le applicazioni richiedono livelli di accuratezza di richiamo più elevati.

“Quando si realizzano applicazioni di intelligenza artificiale su scala, le prestazioni non sono solo un aspetto piacevole, ma determinano se l'applicazione fornisce un valore che vale la pena adottare”, ha dichiarato BJ Schaknowski, CEO di Couchbase. “Lo vediamo ogni giorno con i clienti. In questo momento stanno prendendo decisioni sull'infrastruttura che renderanno possibili le loro iniziative di AI o creeranno colli di bottiglia con cui dovranno fare i conti per anni. I risultati di questi benchmark dimostrano ciò che già sappiamo: su scala miliardaria, le scelte architetturali hanno implicazioni massicce su ciò che si può effettivamente offrire come applicazioni alimentate dall'IA. Couchbase offre alle aziende le prestazioni e l'accuratezza di cui hanno bisogno senza il tradizionale compromesso tra le due cose, il tutto a un costo totale di proprietà inferiore”.”

Risultati chiave del benchmark

I test dimostrano che l'architettura di Couchbase consente alle organizzazioni di ottenere contemporaneamente prestazioni eccezionali e un'elevata precisione nelle applicazioni di ricerca vettoriale.

Con le impostazioni di velocità ottimizzate, Couchbase ha fornito 19.057 QPS con una latenza di 28 millisecondi per un'accuratezza di richiamo di 66%, mentre MongoDB ha gestito solo 6 QPS per un richiamo di 57% con una latenza di 62,6 secondi, il che rappresenta un vantaggio prestazionale di 3.176 volte per Couchbase. Quando è stato configurato per il recupero ad alta precisione, Couchbase ha mantenuto 703 QPS con una latenza inferiore al secondo di 369 millisecondi con una precisione di richiamo di 93%. Al contrario, le prestazioni di MongoDB sono scese a soli 2 QPS con una latenza di oltre 40 secondi con un'accuratezza di richiamo di 89%, dando a Couchbase un vantaggio di 350 volte in termini di throughput e garantendo al contempo una maggiore accuratezza.

L'approccio tecnico porta a vantaggi in termini di prestazioni

L'HVI di Couchbase sfrutta l'algoritmo di ricerca nearest-neighbor DiskANN con l'algoritmo di costruzione di grafi diretti Vamana, offrendo la flessibilità di operare in memoria e su dischi partizionati per l'elaborazione distribuita e di mantenere eccezionali prestazioni di interrogazione durante la scalabilità. L'architettura include il supporto per la quantizzazione scalare (SQ4), che riduce l'ingombro in memoria mantenendo la precisione.

I test di benchmark hanno utilizzato configurazioni hardware equivalenti su infrastrutture Amazon Web Services (AWS) per entrambe le piattaforme, con quattro nodi di interrogazione (64 core, 128 GB di RAM ciascuno) e tre nodi di dati (32 core, 128 GB di RAM ciascuno) per ciascun sistema. Entrambi i sistemi sono stati testati con gli stessi carichi di lavoro e con configurazioni di parametri ottimizzati per livelli di ampiezza di ricerca comparabili, dove impostazioni di ricerca più ampie determinano una maggiore precisione di richiamo.

La metodologia di test completa e i risultati dettagliati sono disponibili nel documento tecnico rapporto “Confronto tra le capacità di ricerca vettoriale di MongoDB e Couchbase mediante benchmarking con VectorDBBench”. I risultati mostrano che Couchbase fornisce più lavoro, con una latenza minore e costi significativamente inferiori per operazione.

Implicazioni per le applicazioni AI aziendali

Ogni secondo di ritardo nelle applicazioni di intelligenza artificiale si traduce in utenti frustrati, transazioni abbandonate e perdita di fatturato. Per le aziende che implementano l'IA su scala, le prestazioni dei database non sono solo un dettaglio tecnico, ma fanno la differenza tra un'IA che offre valore aziendale e un'IA che diventa un costoso scaffale. I risultati dei benchmark dimostrano che le scelte architetturali hanno profonde implicazioni sulla reattività delle applicazioni, sui costi dell'infrastruttura e sulla scalabilità.

Disponibilità

Couchbase 8.0 con funzionalità HVI, anche annunciato questa settimana, è ora generalmente disponibile sia per le implementazioni autogestite che per quelle basate su Capella. Le organizzazioni possono distribuire in ambienti on-premise, cloud ed edge per supportare i requisiti delle loro applicazioni AI.

Risorse aggiuntive

• Per saperne di più sulle funzionalità di ricerca vettoriale di Couchbase e per accedere al rapporto di benchmark completo, visitate il sito https://www.couchbase.com/products/vector-search/.
• Per saperne di più su come Couchbase aiuta i clienti ad affrontare le loro sfide più critiche in materia di intelligenza artificiale, fare clic su qui.