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。