nexus/wiki/concepts/Vector-Store.md

title, type, tags, sources, last_updated

title	type	tags	sources	last_updated
Vector-Store	concept	RAG 向量数据库 嵌入向量	rag从入门到精通系列1-基础rag	2025-01-16

Definition

Vector Store（向量数据库）是专门用于存储和检索高维向量（Embedding Vector）的数据库系统，是 RAG 管道中 Retrieval 阶段的核心基础设施。

Core Functions

1. 向量存储：存储文本的 Embedding Vector 表示
2. 相似度检索：支持多种相似度度量方法（余弦相似度、点积、欧氏距离），返回 Top-k 最相似的结果
3. 元数据过滤：支持在检索时附加标量过滤条件（如时间、类别等）
4. 混合检索：部分向量数据库支持结合传统关键词检索（BM25）与向量检索

Popular Vector Stores

名称	特点	语言
Qdrant	开源，高性能，支持过滤，Rust 编写	Rust
Chroma	轻量级，适合本地和小规模场景	Python
Milvus	开源，分布式，成熟生产级	Go
Weaviate	原生支持混合检索，GraphQL 接口	Go
Pinecone	云原生，全托管，无需运维	云服务
pgvector	PostgreSQL 扩展，简化技术栈	PostgreSQL

Indexing in Vector Store

向量数据库通常使用近似最近邻（ANN）算法构建索引，以支持在海量向量中快速检索：

• HNSW（Hierarchical Navigable Small World）：图索引，高检索精度，中等内存占用
• IVF（Inverted File Index）：倒排索引，支持聚类加速
• PQ（Product Quantization）：压缩索引，节省内存

Connections

• Vector-Store ← supports ← Retrieval
• Vector-Store ← receives_data_from ← Indexing
• Vector-Store ← uses ← Embedding

Aliases

• Vector Database
• Vector Search Engine
• Embedding Store
• 向量数据库