本日、Aerospike Vector Searchが主要な機能を完成させ、ベクター検索アプリケーションを開発するために必要な機能を提供することを発表します。
完全に成熟したAPIにより、開発者は最新のAerospike Vector Search Pythonクライアントを使用して、ベクターとメタデータの追加、削除、更新を完全に行えるようになりました。
また、ベクターの量やその次元に関係なく、無制限のスケーリングを処理するためのインデックスを作成することも可能です。
ユニークなHNSWインデックスヒーリングによるリアルタイムベクター検索の実現
他のベクターソリューションとは異なり、Aerospike Vector SearchはHNSWインデックス（高次元ベクトルデータの近似最近傍検索（ANN: Approximate Nearest Neighbor）を高速に行うためのインデックス構造とアルゴリズム）を並行して構築および組み立てるため、水平方向のスケールアウト取り込みが可能です。
このストリーミングデータ取り込みのリアルタイム性に合わせて、インデックスも継続的な再構築が必要であり、Aerospikeはバックグラウンドのヒーリングプロセスを通じてこれを処理します。
本リリースでは、HNSWインデックスを修復するための新しいプロセスが導入されています。
これにより、バッチ取り込みに関連する遅延によるインデックスの古くなることを防ぎ、中断のないパフォーマンスを確保します。
また、アップデートには、キャッシュを最新の状態に保つためのアップデートと削除のマーキングなど、キャッシュ無効化の改善が含まれています。
これは、大規模なデータフィードにわたって正確かつリアルタイムな検索を行うために不可欠です。顧客は、パフォーマンス要件を満たすために必要に応じてハードウェアリソースを割り当てることができます。
インデックスヒーリングと並列取り込みに加えて、Aerospike Vector Searchは、他のベクターソリューションとは異なる2つの重要な技術革新を採用しています。
Aerospike Vector Searchのご紹介
クエリステアリングを備えた幾何学的分散キャッシュ
Aerospikeの幾何学的に分散されたキャッシュは、クエリステアリングと組み合わされることで、各クエリをメモリ内の最も関連性の高いインデックスデータを含むノードに誘導することで検索効率を最適化します。
このプロセスは、キャッシュされたデータを関連するネイバーフッドにクラスタリングすることで応答時間を高速化し、クエリが必要なデータを含む可能性が最も高いノードにルーティングされるようにします。
そして、広範なデータセットにわたる複雑な検索クエリに対しても、レイテンシーを最小限に抑えます。
パーティション化されたインデックス
パーティション化されたインデックスは、Aerospikeの全体的なストレージパフォーマンスと柔軟性を活用した、もう1つの際立った機能です。
他の製品では、すべてのノードで共有される単一のインデックスが使用されるため、ユーザーはインデックスの成長に合わせてメモリを追加する必要があり、単一ノードの垂直方向の容量にスケーリングが制限されます。
Aerospikeは、インデックスをパーティションに分割し、各パーティションをデータパーティションに合わせます。これにより、システムは水平方向にスケーリングし、複数のノードにわたってはるかに大きなインデックスを処理できます。
開発者は非常に大きなインデックスを構築し、RAM、SSD、ハイブリッドメモリなどのAerospikeの高性能ストレージオプションを使用してそれらを保存できます。
その結果、優れたスケーラビリティ、低レイテンシー、そして最適なストレージパフォーマンスが実現します。
Aerospike Vector Searchをお試しいただけます
Aerospike Vector Searchを無料で使ってみませんか？
詳しくはこちらをご覧ください。
