Vearch는 AI 애플리케이션에 임베딩 벡터를 효율적으로 검색하기위한 클라우드 네이티브 분산 벡터 데이터베이스입니다.
하이브리드 검색 : 벡터 검색 및 스칼라 필터링.
성능 : 빠른 벡터 검색 - 수백만 개의 물체에서 밀리 초의 검색.
확장 성 및 신뢰성 : 복제 및 탄성 스케일링.
파이썬 SDK
SDK로 가십시오
Java SDK (개발 중)
랭케인
llamaindex
랭가 잉고
langchain4j
K8에 Vearch 클러스터를 배포하십시오
Repo를 통해 차트를 추가하십시오
$ helm repo add vearch https://vearch.github.io/vearch-helm
$ helm repo update && helm install my-release vearch/vearch
로컬에서 차트를 추가합니다
$ git clone https://github.com/vearch/vearch-helm.git && cd vearch-helm
$ helm install my-release ./charts -f ./charts/values.yaml
Docker-Compose에서 시작하십시오
독립형 모드
$ cd cloud
$ cp ../config/config.toml .
$ docker-compose --profile standalone up -d
클러스터 모드
$ cd cloud
$ cp ../config/config_cluster.toml .
$ docker-compose --profile cluster up -d
Docker에 의해 배포 : Vearch Docker Image로 빠르게 시작하십시오. DeploybyDocker를 참조하십시오.
소스 코드 별 컴파일 : 소스 코드를 신속하게 컴파일하면 SourceCompiledeployment를 참조하십시오.
vearch 아키텍처

마스터 : 스키마 관리, 클러스터 수준 메타 데이터 및 리소스 조정을 담당합니다.
라우터 : RESTFUL API를 제공합니다 : upsert , delete , search and query ; 라우팅을 요청하고 결과 병합.
PartitionServer (PS) : RAFT 기반 복제로 문서 파티션을 호스트합니다. 감마는 FAISS를 기반으로 구현 된 핵심 벡터 검색 엔진입니다. 벡터와 스칼라를 저장, 인덱싱 및 검색하는 능력을 제공합니다.
연구 논문에서 vearch를 사용할 때 인용에 대한 참조 :
@misc{li2019design,
title={The Design and Implementation of a Real Time Visual Search System on JD E-commerce Platform},
author={Jie Li and Haifeng Liu and Chuanghua Gui and Jianyu Chen and Zhenyun Ni and Ning Wang},
year={2019},
eprint={1908.07389},
archivePrefix={arXiv},
primaryClass={cs.IR}
}
저장소의 문제 페이지에서 버그를보고하거나 질문 할 수 있습니다.
vearch에 대한 공개 토론이나 질문은 [email protected]로 이메일을 보낼 수도 있습니다.
우리의 슬랙 : https://vearchworkspace.slack.com
이 문제에서 회사 이름 등록에 오신 것을 환영합니다 : #230 (등록 순서)

Apache 라이센스, 버전 2.0에 따라 라이센스. 세부 사항은 라이센스 및 통지를 참조하십시오.