柏睿向量数据库基于RapidsDB实现安全高效的向量存储

本期将重点介绍柏睿向量数据库基于柏睿分布式全内存数据库RapidsDB实现向量存储的创新实践。

Embedding （向量嵌入）通过将高维度的原始数据（如文字、图片、音频等）映射到低维度的向量空间，从而将半结构化、非结构化数据转化向量形式，其中每个向量元素通常代表特定的特征或属性。

向量数据类似于数字序列，这种类型的数据存储是传统数据库的强项。柏睿数据具有完全自主知识产权的新一代分布式全内存数据库RapidsDB在这方面具有显著优势。

因此，柏睿向量数据库Rapids VectorDB采用RapidsDB作为向量存储模块。基于成熟丰富的数据管理经验，RapidsDB可为高性能向量检索和相似性搜索提供灵活高效、安全可靠的向量存储服务。

Rapids VectorDB是一个高度可扩展的分布式系统，支持多节点并行计算，以提供极致性能的存储服务，支撑AI大模型等AI应用场景中大规模向量数据处理需求。

在默认情况下，当Rapids VectorDB集群中每创建一个存储节点，系统则为该存储节点上的每个CPU内核创建一个分区，以实现最大化的并行性。用户也可以在创建数据时，通过参数自定义该数据库将被分为多少个分区。

当业务增长过快产生资源瓶颈或性能瓶颈时，用户可以通过增加服务器的方式，进行动态扩容；也可以通过增加集群中的存储节点，以获得更多的数据分区，从而达到在不增加服务器负载的同时线性提升性能的目的。

同时使用成熟的SQL数据库技术均衡分散向量数据存储与计算，以提供更高的性能。

基于分布式数据存储，形成主副两个可用性组，存储节点以成对的配置模式在彼此之间共享数据副本。

某个存储节点出现故障时，其可根据需要自动进行故障转移，而集群不会离线。当主分区数据发生变化时，用户可通过平衡数据分区的指令来使副本分区的数据进行同步，从而确保主副分区数据的一致性和持续可用。