Onehouse Lakegres เพิ่มการค้นหาเวกเตอร์ให้กับตาราง Hudi และ Iceberg ที่มีอยู่
เริ่มตรงนี้
Onehouse ได้เพิ่มการค้นหาเวกเตอร์ให้กับ Lakegres ซึ่งเป็นเลเยอร์คิวรีที่เข้ากันได้กับ Postgres ของบริษัท ทำให้สามารถค้นหา embedding ที่จัดเก็บไว้ในตาราง Apache Hudi และ Iceberg ทั้งที่มีอยู่แล้วและใหม่ได้ผ่านปลายทาง Postgres โดยไม่ต้องคัดลอกข้อมูลเลกไปยังฐานข้อมูลเวกเตอร์แยกต่างหาก ดัชนีเวกเตอร์เป็นเมทาดาทาที่ได้มาและเก็บไว้ในเมทาดาทาของตาราง และอัปเดตเมื่อมีการเขียนตาราง ไฟล์ Parquet ภายใต้ยังคงไม่เปลี่ยนแปลง บนตาราง Cohere Wikipedia ที่มีเวกเตอร์ 247 ล้านรายการ Onehouse รายงานความหน่วง p50 แบบ warm ที่ 63.5 มิลลิวินาที เทียบกับ 655 มิลลิวินาทีของ Databricks AI Search โดยมี Recall@10 ที่ 0.95 เทียบกับ 0.952 นอกจากนี้ยังรายงานเวลาในการสร้างดัชนีที่ 18 นาที เทียบกับประมาณ 3 ชั่วโมง 10 นาทีของ Databricks ตัวเลขเหล่านี้เป็นของ Onehouse เองและยังไม่ได้รับการตรวจสอบอย่างอิสระ
สร้างจากรายงาน · อัปเดต 1 วันที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Hacker News · AIOnehouse Lakegres เพิ่มการค้นหาแบบเวกเตอร์บนตาราง Hudi และ Iceberg ที่มีอยู่
Onehouse ประกาศการค้นหาแบบเวกเตอร์ใน Lakegres โดยมีดัชนีแบบเนทีฟที่จัดเก็บไว้ภายในตารางแบบเปิดทั้งที่มีอยู่และใหม่ และสอบถามผ่านปลายทาง Postgres ทำให้สามารถค้นหา embedding ได้โดยไม่ต้องคัดลอกข้อมูลเลกไปยังฐานข้อมูลแยกต่างหาก ดัชนีนี้เป็นเมตาดาต้าที่ได้มาซึ่งเก็บไว้ในเมตาดาต้าของตารางและอัปเดตพร้อมกับการเขียนตาราง โดยไฟล์ Parquet ภายใต้ยังคงไม่เปลี่ยนแปลง บนตาราง Cohere Wikipedia ที่มีเวกเตอร์ 247M รายการ Onehouse รายงานความหน่วง p50 แบบอุ่นที่ 63.5 ms เทียบกับ 655 ms สำหรับ Databricks AI Search โดยมี Recall@10 ที่ 0.95 เทียบกับ 0.952 และการสร้างดัชนีใช้เวลา 18 นาที เทียบกับประมาณ 3 ชั่วโมง 10 นาที
ความร้อนแรงของเหตุการณ์นี้
- ช่วงปัจจุบันที่เทียบได้
- 5
- จุดสูงสุดในช่วงที่เทียบได้
- 1019 พฤศจิกายน 02:00
- การเปลี่ยนแปลงใน 24 ชั่วโมง
- -50%
แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู