大型语言模型（LLM）应用，例如检索增强生成（RAG） (opens new window)应用，正在推动向量数据库的使用激增。许多基于LLM的应用程序需要大规模的数据集和高查询每秒（QPS）速率才能实现最佳性能。然而，大多数向量数据库供应商更注重存储容量而非QPS。
MyScale的MSTG算法是一种新颖的向量存储和检索方法。它使用 NVMe SSD 存储向量数据，大大增加了数据密度，同时保持良好的搜索性能。在 MyScale 中，单个容量优化的 Pod 尺寸x1可以容纳 1000 万个具有 768 个维度的向量，超过了任何竞争对手的容量。
与我们的标准 Pod 相比，我们的容量优化 Pod 提供了双倍的向量存储容量，并降低了 43% 的成本。
# 使用容量优化Pod
::: 注意： 容量优化Pod目前作为MyScale的标准和企业计划的一部分提供。 :::
启动新集群页面现在提供了在容量优化Pod和标准Pod之间进行选择的灵活性。
# 容量
单个MyScale容量优化Pod（尺寸为x1）具有大约1000万个768维度的向量的存储容量，超过了其他向量数据库的能力，它们通常最多只能达到500万个向量。
我们最大的容量优化Pod（尺寸为x32）可以容纳3.2亿个768D向量。
联系我们 (opens new window)以获取更大的Pod或水平扩展！
# 性能
我们的容量优化系统能够高效处理1000万个向量数据集（768维），同时保持每秒查询20次的尊重水平，无论过滤比例如何，都能实现高精度和高性能的过滤向量搜索。
这超过了我们的竞争对手，他们只能用500万向量管理每秒查询10次，并且过滤搜索的准确性/性能不稳定。此外，他们在存储同样大的数据集于单个容器中时遇到困难，从而限制了可扩展性、查询性能和成本效益。
# 成本
MyScale的x1容量优化Pod以每月仅68美元的价格在AWS上提供卓越的价值（2倍的存储容量和4倍的QPS）。与我们的竞争对手相比，他们类似的产品通常每月的成本约为80美元，我们提供了双倍的容量并节省了15%的成本。
使用我们的价格估算器 (opens new window)来确定最适合您的向量容量和维度要求的定价计划。
