Sign In
Free Sign Up
  • English
  • Español
  • 简体中文
  • Deutsch
  • 日本語
Sign In
Free Sign Up
  • English
  • Español
  • 简体中文
  • Deutsch
  • 日本語

MyScale引入容量优化Pod

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。

启动新集群

# 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!

Boost Your AI App Efficiency now
Sign up for free to benefit from 150+ QPS with 5,000,000 vectors
Free Trial
Explore our product

# 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。

Join Our Newsletter

# 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。

价格估算器

Keep Reading
images
使用MyScaleDB和LlamaIndex构建高级RAG应用程序

大型语言模型(LLM)以其理解和生成类似人类的文本的能力带来了巨大的价值。然而,这些模型也面临着显著的挑战。它们是在需要大量成本和时间的庞大数据集上进行训练的。在大规模数据集上训练这些模型所需的巨大成本和时间几乎不可能定期重新训练它们。这个限制意味着它们经常缺乏最新数据的更新,导致在查询不熟悉的主题时可能出现不准确的情况。这种现象被称为“幻觉”,它可能会降低应用程序的性能,并引发对其可靠性和真实性 ...

images
MyScale vs Qdrant:深入探究向量数据库性能

向量数据库和向量搜索由于其出色的速度和可扩展性而迅速赢得了人们的青睐。与传统的机器学习模型不同,这些数据库利用高效的相似度度量,如[欧几里得距离 ...

Start building your Al projects with MyScale today

Free Trial
Contact Us