Zum Inhalt springen
Open SourceFortgeschritten

pgvector

Was es tut

Postgres-Erweiterung, die einer bestehenden Datenbank Vektorähnlichkeitssuche hinzufügt. pgvector unterstützt exakte und approximative Nächste-Nachbarn-Suche über Single-Precision-, Half-Precision-, Binär- und Sparse-Vektoren – Embeddings liegen neben ihren Zeilen, mit ACID, Joins und Point-in-Time-Recovery.

Grenzen

Diese Seite sagt anhand der öffentlichen Beschreibung, was das Tool tut. Kontingente, Preise, regionale Verfügbarkeit, Urheberrecht und die Bedingungen des Anbieters werden hier nicht eigenständig geprüft. Diese Grenzen sind hier unbekannt, bis du sie auf der offiziellen Seite nachliest.

Überblick

„pgvector“ ist eine von AI Resource Hub kuratierte Open Source-Ressource in der Kategorie Tools für Fortgeschritten-Lerner. Angeboten von pgvector contributors, zuletzt aktualisiert am 2026-11-05. Über „Ressource besuchen“ öffnest du die Originalseite.

Tags

VektordatenbankPostgresOpen Source

Hauptfunktionen

  • ▹Exakte und approximative Nächste-Nachbarn-Suche in SQL
  • ▹Mehrere Distanzmaße: Kosinus, L2 und Skalarprodukt
  • ▹Vektortypen: einfache Genauigkeit, halbe Genauigkeit, binär und dünnbesetzt
  • ▹HNSW- und IVFFlat-Indizes für die approximative Suche
  • ▹ACID-Konformität, Point-in-Time-Recovery und JOINs aus Postgres

FAQ

Für die meisten Retrieval-Workloads bis in die niedrigen Zehnermillionen Vektoren ja. Darüber werden Index-Bauzeiten, Speicher für HNSW-Graphen und Vacuum-Druck zur praktischen Grenze – dort rechtfertigt eine dedizierte Vektordatenbank ihre Betriebskosten.

Starten Sie ohne Index, um den Recall auf Ihren Daten zu prüfen, und ergänzen Sie dann HNSW für Latenz, mit Tuning von Build- und Suchparametern. IVFFlat ist die Alternative, wenn Bauzeit wichtiger ist als maximaler Recall.