Star History 十月开源精选｜AI for Postgres

在 2023 年 Stack Overflow 开发者调查中，Postgres 顶替了 MySQL 被评为最受欢迎的数据库。一个重要因素应该是 Postgres 支持扩展：可扩展的架构+ Postgres 仍然由社区拥有，Postgres 生态近年来蓬勃发展。

扩展可以看作是内置功能，能给数据库增加额外功能。在本文中，我们分享五个可以给你 Postgres 带来 AI 功能的扩展。

pgvector

file

pgvector 是一个向量相似性搜索工具，专为 Postgres (支持 Postgres 11+) 设计，还可以用于存储嵌入向量。

它在 2021 年就开源了，不过热度在 2023 年开始增加。如果你想用向量数据库，那么其实 Postgres 就可以满足需求了，pgvector 支持：

向量与你的其他数据一起存储
支持精确和近似最近邻搜索
L2 距离、内积和余弦距离
任何有 Postgres 客户端的语言

如果你用的就是 Postgres，可以直接安装 pgvector，如果你用的是 Postgres 服务或应用程序，其中有些已经内置了pgvector，例如 Aiven, Neon, Supabase, Postgres.app 等。

PostgresML

file

PostgresML 是个支持将机器学习 (Machine Learning) 模型集成到 Postgres 中的扩展，并在今年 5 月获得了 470 万美元的种子轮。它通过使用 SQL 查询来进行文本和数据的训练和推断，极大地降低了应用程序开发的复杂性。

file

如果贵司没有复杂的机器学习工作负载（毕竟不是所有人都是人工智能巨头），但还是想构建自己的机器学习模型，可以从新鲜数据中进行学习，这是一个很好的入门方式。

有意思的是，他们组织下还有另一个开源项目：PgCat，是个 PostgreSQL 连接池/代理，于 2022 年 2 月开源，或许 PgCat 不够性感，PostgresML 整体转向了 AI，向量数据库？

MADlib

file

Apache MADlib 是一个用于 SQL 的大数据机器学习工具。它的代码库最早在 2016 年左右发布到 GitHub，但最初的版本早在 2011 年就已经发布（直至今年还在迭代更新）。

file

SQL 在处理较大或非结构化数据集上无法很好推理、预测或因果分析的观念已经是过去式了。MADlib 是一个数据库内机器学习库，你可以在存储你数据的数据库 (Postgres) 中进行高级机器学习，包括各种数据分析任务，包括回归和分类。

冷知识：MADlib 的 MAD 代表 Magnetic (磁性), Agile (敏捷) 和 Deep (深度)。

file

接下来的几个项目还挺有趣的，不过要用的话自担风险😅

pg_embedding

file

pg_embedding 是 Neon 今年 7 月发布的一个产品，发布的时候称比 pgvector 快 20 倍。不过它使用了 HNSW 索引进行高维相似性搜索，比 pgvector 添加 HNSW 支持要早。

file

但是几个月后的九月份，他们就加了一条注释，表示不再维护 pg_embedding。看起来是真的没有「购买还是构建」的纠结：使用已有的是显而易见的选择。

file

pg_gpt

file

pg_gpt 是个实验性的 Postgres 扩展，它在 Postgres 内部使用 OpenAI 的 GPT API，你可以用自然语言向数据库提问。pg_gpt 背后的组织是 CloudQuery，主业是开源的 ELT 平台。
该插件通过传输部分数据库 schema（不包含数据）的部分发送到 OpenAI GPT API，因此不建议在生产数据库中使用，但如果比如公开的 schema，那可以试试这个工具。例如，如果想查找过去一个月在 Hacker News 上提到 Sam Altman 的热门提交，这是一种方法（当然也可以直接用 Search Hacker News 🤣）。