云起实验室：AnalyticDB PostgreSQL版向量索引查询

最新推荐文章于 2025-09-29 17:28:50 发布

原创最新推荐文章于 2025-09-29 17:28:50 发布 · 878 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#数据库 #mysql #database

本案例通过对比传统查询与AnalyticDB PostgreSQL版中的向量索引查询，展示了向量索引在执行时间上的优势。参与者将学习如何生成随机测试数据，并执行向量索引查询，从而感受其高效和快捷。通过这个0.5小时的体验，您可以深入了解向量索引在大数据场景下的应用和性能提升。

本案例对比了传统查询和使用向量索引执行查询的执行时间，助您体验使用向量索引查询带来的高效和快捷。

点击立即参与云产品场景体验https://developer.aliyun.com/adc/scenario/d4b623253ba14b5595cf825518883062?spm=a2c6h.13858375.0.0.3e0679a9aXz9JE

建议体验时长：0.5小时
云产品资源使用时长：0小时

实验简介

体验后您将收获到

如何生成随机测试数据。
如何进行向量索引查询。

体验简介

本案例通过在AnalyticDB PostgreSQL版中使用向量索引执行查询以及执行传统查询，对比两种查询方式的执行时间，助您体验使用向量索引查询带来的高效快捷。

准备环境

注册阿里云账号。
已购买AnalyticDB PostgreSQL 6.0版实例。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

云起实验室

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

PostgreSQL - pgvector 插件构建向量数据库并进行相似度查询

花千树的专栏

09-19

7096

在现代的机器学习和人工智能应用中，向量相似度检索是一个非常重要的技术，尤其是在文本、图像或其他类型的嵌入向量的操作中。本文将介绍如何在 PostgreSQL 中安装pgvector插件，用于存储和检索向量数据，并展示如何通过 Python 脚本向数据库插入向量并执行相似度查询。

MybatisPlus + PostgreSQL 实现向量检索

qq_29213799的博客

03-17

1563

postgresql + mybatisplus 向量检索

参与评论您还未登录，请先登录后发表或查看评论

PostgreSQL向量检索：pgvector入门指南

最新发布

智的博客

09-29

1171

摘要：pgvector是PostgreSQL的开源扩展，用于高效存储和检索高维向量数据。支持欧氏距离、内积和余弦相似度计算，提供精确和近似最近邻搜索（IVFFlat/HNSW）。其优势在于与PostgreSQL原生集成，无需额外维护向量数据库，支持事务、权限控制和SQL混合查询。安装简单，通过CREATE EXTENSION vector启用，可创建固定维度的向量列。基本操作包括向量插入、最近邻查询（使用<->、<#>等运算符）和Python集成示例。适用于中小规模向量存储，适用于文

PostgreSQL pgvector 向量检索实战-高效索引

大数据，大模型，服务器，技术、架构，方案

08-26

1030

本文分享了 PostgreSQL pgvector 插件在 AI 应用开发中的实战经验。文章从建表设计、数据清理、类型修改到索引创建详细介绍了优化过程，重点讲解了 hnsw 向量索引的创建方法及参数调优技巧。通过实践验证，索引创建后查询性能提升 28~200 倍，从秒级降至毫秒级。同时指出了常见问题如字段维度、操作符一致性等关键点，并说明了 hnsw 索引对新数据的自动支持特性。最终证明通过合理优化，pgvector 能高效支持百万级数据的语义检索需求。

PGVector: 利用 PostgreSQL 实现高效的向量存储与检索

qq_29929123的博客

08-21

2219

PGVector 是 LangChain 向量存储抽象的一个实现,它使用 PostgreSQL 作为后端,并利用 pgvector 扩展来支持向量操作。这个组件位于一个名为的集成包中。使用 PostgreSQL 作为存储后端,提供稳定可靠的数据持久化利用 pgvector 扩展实现高效的向量操作和相似性搜索支持文档元数据存储和复杂的过滤查询与 LangChain 生态系统无缝集成,便于在各种 AI 应用中使用。

数据库技术核心：向量检索（pgvector）

三余知行

08-16

4749

`pgvector` 为 PostgreSQL 引入了专门针对向量数据的索引，特别是 HNSW 和 IVFFlat 索引。这些索引帮助实现高效的向量检索和相似度计算。在选择 HNSW 或 IVFFlat 索引时，应根据应用场景的具体需求（如查询频率、数据更新频率和可用内存等）做出选择。HNSW 适合需要高检索精度和灵活更新的数据集，而 IVFFlat 则更适合需要快速处理庞大数据集但对精度有轻微取舍的场景。

云起实验室：快速上手并跑通AnalyticDB PostgreSQL版TPC-H测试

yunqilab的博客

12-02

1480

本案例介绍如何创建AnalyticDB PostgreSQL实例、生成测试数据、建表、导入数据，并跑通TPC-H查询。点击立即参与云产品场景体验https://developer.aliyun.com/adc/scenario/9a4e57e135c9427a9feba3da3268a1cd?spm=a2c6h.13858375.0.0.3e0679a9aXz9JE 建议体验时长：1小时云产品资源使用时长：0小时实验简介体验后您将收获到模拟生成TPC-H 1TB测试数据。模拟通

云起实验室：PolarDB O引擎基础入门体验

yunqilab的博客

11-30

510

在本场景中您可以体验云原生关系式数据库PolarDB O引擎的基础入门操作，包括如何创建集群、创建账户和数据库，以及使用pgAdmin和psql连接集群并进行常用的操作。点击立即参与云产品场景体验https://developer.aliyun.com/adc/scenario/1ef44a64b5db457f95655cd7bfd7cb95?spm=a2c6h.13858375.0.0.3d7c79a950MOwK 建议体验时长：0.5小时云产品资源使用时长：0小时实验简介体验后您将

云起实验室：PolarDB MySQL通过DMS恢复误操作数据

yunqilab的博客

11-30

253

本场景介绍日常访问PolarDB MySQL数据库时，由于操作导致数据不符合预期，需要将数据快速恢复到正常状态。误操作受影响的数据量在10万以内时，可使用DMS数据追踪的方式恢复数据。点击立即参与云产品场景体验https://developer.aliyun.com/adc/scenario/01529a7b5a764c03b80f1c1652279a9d?spm=a2c6h.13858375.0.0.3d7c79a950MOwK 建议体验时长：0.5小时云产品资源使用时长：0小时实验简介

云起实验室：PolarDB MySQL集群自动扩容和回缩

yunqilab的博客

12-02

365

PolarDB MySQL支持自动升级集群规格，实现弹性适配业务高峰。高峰过后，支持自动回缩规格，节省费用。点击立即参与云产品场景体验https://developer.aliyun.com/adc/scenario/2e54d17b73af4fe48ecd1e93766181b7?spm=a2c6h.13858375.0.0.3e0679a9aXz9JE 建议体验时长：0.5小时云产品资源使用时长：0小时实验简介体验后您将收获到体验PolarDB MySQL自感知、自运维的云服务。

云起实验室：快速搭建LAMP环境

yunqilab的博客

11-16

1175

本教程介绍如何搭建LAMP环境，其中LAMP分别代表Linux、Apache、MySQL和PHP。点击立即参与云产品场景体验https://developer.aliyun.com/adc/scenario/6869de098ad44fc8a1560a1836a7c5f2?spm=a2c6h.13858375.0.0.54425b90rwAF3m 建议体验时长：1小时云产品资源使用时长：1小时实验简介体验后您将收获到 Apache+ PHP服务端环境的部署手动安装MySQL 相关

pgvector:Postgres 的开源向量相似度搜索

08-05

向量 Postgres 的开源向量相似度搜索 CREATE TABLE table (column vector( 3 )); CREATE INDEX ON table USING ivfflat (column); SELECT * FROM table ORDER BY column < - > ' [1,2,3] ' LIMIT 5 ; 支持 L2 距离、内积和余弦距离安装编译安装扩展（支持 Postgres 9.6+） git clone --branch v0.1.7 https://github.com/ankane/pgvector.git cd pgvector make make install # may need sudo 然后将其加载到要使用它的数据库中 CREATE EXTENSION vector; 您还可以使用、或安装它入门创建一个 3

PostgreSQL高维向量检索索引插件介绍.pptx

10-14

PostgreSQL高维向量检索索引插件介绍.pptx

PostgreSQL pgvector：如何利用向量数据库提升搜索效率和精度

热门推荐

FrenzyTechAI的博客

07-05

1万+

随着基础模型的兴起，向量数据库的受欢迎程度也飙升。事实上，在大型语言模型环境中，向量数据库也很有用。在机器学习领域，我们经常处理的是向量嵌入。向量嵌入是通过特定的机器学习模型运行对象的特征，将对象的上下文信息投射到潜在空间中来创建的。为了在使用向量嵌入时能够表现得特别好，创建向量数据库是必要的。这方面的工作包括存储、更新和检索向量。当我们谈论检索时，通常是指检索与查询最相似的向量，这些向量与嵌入到同一潜在空间并传递到向量数据库中。这个检索过程被称为近似最近邻。

PostgreSQL入门和高维向量索引

黄规速博客:学如逆水行舟，不进则退

12-01

3007

一、安装 1.添加PosgreSQL Yum Repository wget https://download.postgresql.org/pub/repos/yum/9.6/redhat/rhel-7-ppc64le/pgdg-centos96-9.6-3.noarch.rpm yum install pgdg-centos96-9.6-3.noarch.rpm ; 2

PostgreSQL【应用 01】使用Vector插件实现向量相似度查询（Docker部署的PostgreSQL安装pgvector插件说明）和Milvus向量库对比

Java与大数据相关实践内容分享！

06-30

7156

使用Vector插件实现向量相似度查询（Docker部署的PostgreSQL安装pgvector插件说明）和Milvus向量库对比

使用PostgreSQL进行向量相似性搜索

ppoojjj的博客

06-18

447

随着AI技术的发展，向量相似性搜索成为了机器学习和数据科学领域中的一项重要任务。pg_embedding通过结合PostgreSQL和HNSW算法，实现了高效的向量相似性搜索，从而在大规模数据集上提供了近似最近邻搜索功能。

PostgreSQL 上的向量搜索实践

IvorySQL的博客

09-14

728

向量搜索的核心，是将文本、图像或音频等信息转化为向量化的数字表示，并在高维空间中通过计算“距离”来衡量相似度。例如，当一句文本被模型转化为向量后，它可以被表示为一个点，落在三维或更高维的坐标空间中。类似语义的词语（如 student 和 school）会自然地分布在相互接近的位置，当输入一个新词（如 elementary），就可以通过计算向量间的距离，快速找到与之语义相似的词语。数据向量化：无论是文本还是查询请求，都会经过 Embedding Model 转化 Vector Embedding。

PostgreSQL 支持向量功能

厉力文武

04-30

1134

基于 RAG（Retrieval-Augmented Generation）引擎的企业级 AI 业务，对向量的存储和检索是至关重要的，各种类型的数据（文本、图像、声音和视频）都可以转换为向量，从而为复杂的数据结构提供了一种强大的数据表示能力，使其在机器学习和人工智能领域有着广泛的适用性和重要性。操作系统为 Ubuntu os 22.04 64 位操作系统，首先安装数据库、附加组件包（包括一系列扩展模块、工具、插件和额外功能），以及数据库的软件开发包（包括开发工作所需要的头文件和各类函数）。