向量數據庫是一個近年來隨著 AI 和大模型應用興起而廣泛關注的新類型數據庫。

什么是向量數據庫

向量數據庫是專門用來存儲和檢索高維向量數據的數據庫。

這些“向量”通常來自于：

• 文本（用 embedding 模型，如 OpenAI embedding 或 Sentence-BERT 生成向量）

• 圖像（如 CLIP 等模型生成向量）

• 音頻、視頻、代碼等

舉個例子：

然后你再提問：“香蕉是什么？”
?? 也會生成一個向量，系統用“向量相似度”去找出與之最接近的向量（即“蘋果”可能會被檢索出來）。

這就實現了語義搜索或相似性搜索。

向量數據庫和關系型數據庫的區別

為什么 Redis、MongoDB、MariaDB 也可以當作“向量數據庫”用

這些并不是專門的向量數據庫，但由于它們擴展性強、支持插件或模塊化功能，可以“支持向量檢索功能”，如下：

1. Redis（特別是 Redis Stack）

• Redis 本身是鍵值數據庫，但它有 RediSearch 模塊；

• 現在支持 HNSW 索引方式進行向量近似搜索；

• 優勢：超快內存性能、適合小模型嵌入或低延遲場景。

2. MongoDB

• MongoDB 6.0+ 開始支持向量索引；

• 可以把向量作為數組字段存入文檔；

• 使用 $vectorSearch 等方式進行近似向量搜索；

• 優勢：對非結構化數據天然支持，適合搭配嵌入式文本或文檔結構。

3. MariaDB / MySQL

• 它們本質不是為向量設計的；

• 但可以把向量作為 JSON 或數組字段存進去；

• 可以寫存儲過程或 UDF 做簡單的向量距離計算；

• 性能不如專業向量庫，但可在數據量小、需求簡單時湊合用。

專業的向量數據庫有哪些

閱讀原文：原文鏈接