Las aplicaciones de Modelos de Lenguaje Grande (LLM), como las aplicaciones de Generación Mejorada por Recuperación (RAG) (opens new window), están impulsando un aumento en el uso de bases de datos vectoriales. Muchas aplicaciones basadas en LLM requieren conjuntos de datos masivos con altas tasas de consultas por segundo (QPS) para funcionar de manera óptima. Sin embargo, la mayoría de los proveedores de bases de datos vectoriales priorizan la capacidad de almacenamiento sobre el QPS.
El algoritmo MSTG de MyScale es un enfoque novedoso para el almacenamiento y recuperación de vectores. Almacena datos vectoriales utilizando SSDs NVMe, lo que aumenta significativamente la densidad de datos mientras mantiene un buen rendimiento de búsqueda. En MyScale, un solo pod optimizado de capacidad de tamaño x1 puede alojar 10 millones de vectores, cada uno con 768 dimensiones, superando la capacidad de cualquier competidor.
En comparación con nuestros pods estándar, nuestros pods optimizados de capacidad ofrecen el doble de capacidad de almacenamiento de vectores junto con una reducción de costos del 43%.
# Uso de los Pods Optimizados de Capacidad
Nota:
Los pods optimizados de capacidad se ofrecen actualmente como parte de los planes Standard y Enterprise de MyScale.
La página Lanzar Nuevo Cluster ahora ofrece la flexibilidad de elegir entre pods optimizados de capacidad y pods estándar.
# Capacidad
Un solo pod optimizado de capacidad de MyScale (de tamaño x1) tiene la capacidad de almacenar aproximadamente 10 millones de vectores con 768 dimensiones, superando las capacidades de otras bases de datos vectoriales, que típicamente alcanzan un máximo de alrededor de 5 millones de vectores.
Nuestro pod optimizado de capacidad más grande (tamaño x32) puede alojar 320 millones de vectores de 768 dimensiones.
Contáctenos (opens new window) para obtener pods más grandes o escalado horizontal.
# Rendimiento
Nuestro sistema optimizado por capacidad puede procesar eficientemente 10 millones de conjuntos de datos vectoriales (768 dimensiones) mientras mantiene un respetable 20 QPS, logrando alta precisión y rendimiento para la búsqueda de vectores filtrados, independientemente de la proporción del filtro.
Esto supera a nuestros competidores, quienes solo logran 10 QPS con 5 millones de vectores, y tienen una precisión/rendimiento de búsqueda de filtros inestable. Además, luchan por almacenar conjuntos de datos igualmente grandes dentro de un solo pod, limitando así la escalabilidad, el rendimiento de consulta y la eficacia en costos.
# Costo
El pod optimizado de capacidad x1 de MyScale ofrece un valor excepcional (2 veces la capacidad de almacenamiento con 4 veces el QPS) por solo $68 al mes en AWS. En comparación con nuestros competidores, cuyas ofertas similares suelen costar alrededor de $80 al mes, ofrecemos el doble de capacidad con un ahorro de costos del 15%.
Utilice nuestro Estimador de Precios (opens new window) para determinar el plan de precios más adecuado para sus requisitos de capacidad y dimensiones vectoriales.
