વેક્ટર ડેટાબેઝિસ
એક મેનેજ્ડ વેક્ટર ડેટાબેઝ જે ફક્ત PostgreSQL છે
એમ્બેડિંગ્સ સ્ટોર કરો અને અર્થ દ્વારા તેમને શોધો, pgvector પર જે અમે તમારા માટે ચલાવીએ છીએ અને બેકઅપ લઈએ છીએ. શીખવા માટે કોઈ નવું ડેટાસ્ટોર નહીં, કદ નક્કી કરવા માટે કોઈ ક્લસ્ટર નહીં — એક ઇન્ડેક્સ બનાવો, તમારા વેક્ટર્સ લખો અને તમારી પાસે પહેલેથી જ છે તે API કી વડે તેની ક્વેરી કરો.
જે ડેટાબેઝ પર તમે પહેલેથી જ વિશ્વાસ કરો છો, એક વધારાના કૉલમ પ્રકાર સાથે
વેક્ટર ડેટાબેઝ એ સામાન્ય રીતે પ્રથમ સાથે ચલાવવા માટેની બીજી સિસ્ટમ છે: બીજું ક્લસ્ટર, બીજી બેકઅપ સ્ટોરી, બીજી એવી ચીજ જેના માટે રાત્રે જાગવું પડે. આ PostgreSQL ની અંદર pgvector છે — એ જ એન્જિન, એ જ ટકાઉપણું, એ જ રાત્રિના બેઝ બેકઅપ અને સતત રાઇટ-અહેડ લોગ આર્કાઇવિંગ જે અહીંની દરેક બીજી ચીજને મળે છે. તમારું ઇન્ડેક્સ એ HNSW ઇન્ડેક્સ સાથેનું સામાન્ય ટેબલ છે, જેથી તે અંદાજિત નજીકના-પડોશીની શોધ માટે ઝડપી છે અને બાકીની દરેક બાબતમાં બોરિંગ છે, જે સવારે ત્રણ વાગ્યે તમને જોઈતી વિશેષતા છે.
તમારા મોડેલની પહોળાઈ, અમે પસંદ કરેલી પહોળાઈ નહીં
મોટાભાગની મેનેજ્ડ વેક્ટર સેવાઓ તમને ડાયમેન્શન્સની ટૂંકી યાદીમાંથી પસંદ કરવા માટે મજબૂર કરે છે. તમારું ડાયમેન્શન કોઈ ગોળ આંકડો હોવું જરૂરી નથી: 1 થી 3072 સુધીનું કંઈપણ સ્વીકારવામાં આવે છે અને બરાબર સચવાય છે, કારણ કે સાંકડા વેક્ટરને શૂન્યો સાથે આગલા ભૌતિક પહોળાઈમાં પેડ કરવામાં આવે છે - જે કોસાઇન, યુક્લિડિયન અને ઇનર-પ્રોડક્ટ અંતરને બિલકુલ બદલતું નથી. 1408-ડાયમેન્શનનું મોડેલ તેના માટે મૂળ રીતે બનેલા મોડેલ જેટલું જ સચોટ પરિણામ આપે છે, અને રીડ્સ તમને સંગ્રહિત કરેલી 1408 કિંમતો પાછી આપે છે, ક્યારેય પેડિંગ આપતું નથી.
દરેક વેક્ટર પ્લાનમાં સામેલ છે
- 3072 સુધીની કોઈપણ એમ્બેડિંગ પહોળાઈ અને કોસાઈન, યુક્લિડિયન અથવા ઇનર-પ્રોડક્ટ અંતર
- દરેક વેક્ટર સાથે મેટાડેટા સંગ્રહિત થાય છે, અને ક્વેરી સમયે ફિલ્ટર કરવામાં આવે છે
- ૩૦ દિવસના રીટેન્શન અને પોઇન્ટ-ઇન-ટાઇમ રિકવરી સાથેના નાઇટલી બેકઅપ
- રો-લેવલ સુરક્ષા, જેથી એક સંસ્થાના વેક્ટર્સ બીજી સંસ્થા માટે અપ્રાપ્ય રહે છે
પ્લાન અને કિંમતો
ત્રણ સ્તરો, જે ખરેખર અમને ખર્ચ કરાવતી બે બાબતોના આધારે કિંમત નિર્ધારિત છે: તમે કેટલો સંગ્રહ કરો છો અને તમે કેટલી શોધખોળ કરો છો.
તમારા કન્ફિગ્યુરેશન પર કિંમત આધારિત છે
ખર્ચ તમે પસંદ કરો છો તે પ્રદેશ, મશીનનું કદ, બેન્ડવિડ્થ અને સ્ટોરેજ પર આધાર રાખે છે, તેથી અહીં કોઈ એક નિશ્ચિત માસિક આંકડો પ્રામાણિકપણે છાપી શકાય તેમ નથી. અમને વર્કલોડ જણાવો અને અમે તેનું ક્વોટેશન આપીશું.
૧૦૦% નવીનીકરણીય ઉર્જા દ્વારા સંચાલિત
આપણે ચલાવતા દરેક સર્વર, દરેક પ્રોડક્ટ પર, રિન્યુએબલ વીજળી દ્વારા ચાલે છે. પછીથી માત્ર ઑફસેટ કરેલા નહીં — આ રીતે જ મેળવેલા.
- અમારા તમામ હોસ્ટિંગ પર 100% રિન્યુએબલ વીજળી
- 1.1 થી 1.2 ના PUE પર ચાલતા ડેટા સેન્ટર્સ
- અમારા શૅર્ડ પ્લેટફોર્મ પરની સાઇટ્સ ગ્રીન વેબ ફાઉન્ડેશનની તપાસમાં પાસ થાય છે — એક તૃતીય પક્ષ જેની તમે જાતે ચકાસણી કરી શકો છો
ગ્રાહકો ખરીદી કરતા પહેલા જે પ્રશ્નો પૂછે છે
આ કયા એમ્બેડિંગ મૉડેલ સાથે કામ કરે છે?
તેમાંથી કોઈપણ. તમે અમને તમારા મોડેલે ઉત્પન્ન કરેલા નંબરો મોકલો છો, જેથી OpenAI, Cohere, Voyage, તમારા પોતાના મશીન પરનું Sentence-Transformers મોડેલ અને બીજું બધું અમારા માટે સમાન છે. જ્યારે તમે ઇન્ડેક્સ બનાવો છો ત્યારે તમે અમને પહોળાઈ જણાવો છો — 384, 768, 1024, 1536 અને 3072 બધા સામાન્ય છે, અને તેની વચ્ચેની કોઈ સંખ્યા પણ સામાન્ય છે.
શું હું પછીથી ઇન્ડેક્સની પહોળાઈ અથવા અંતર ફંક્શન બદલી શકું છું?
ના, અને અમે તેને શોધવા દેવા કરતાં સ્પષ્ટપણે કહેવાનું વધુ પસંદ કરીશું. બંને નક્કી કરે છે કે તમારા વેક્ટર્સ ભૌતિક રીતે ક્યાં સંગ્રહિત છે અને તેમને કેવી રીતે ક્રમબદ્ધ કરવામાં આવ્યા છે, તેથી તેમાંથી કોઈપણને બદલવાથી ઇન્ડેક્સમાં પહેલેથી રહેલું બધું જ મૌનપણે અમાન્ય થઈ જશે. જો તમે કોઈ અલગ એમ્બેડિંગ મૉડેલ પર સ્વિચ કરો છો, તો બીજું ઇન્ડેક્સ બનાવો અને તેમાં લખો — દરેક વેક્ટર ડેટાબેઝ તમારી પાસે જે માંગે છે તે જ, અને તે જ કારણસર.
ખૂબ જ વિશાળ વેક્ટર્સ વિશે શું કંઈક અલગ છે?
હા, અને તે જાણવું યોગ્ય છે. 2,000 પરિમાણોથી ઉપર મૂલ્યો અર્ધ ચોકસાઈ પર સંગ્રહિત થાય છે, કારણ કે PostgreSQL નું HNSW ઇન્ડેક્સ તેનાથી વધુ પહોળું પૂર્ણ-ચોકસાઈ સ્તંભ સ્વીકારતું નથી. 3072-પરિમાણ મોડેલો માટે આ તે અભિગમ છે જે pgvector પોતે ભલામણ કરે છે અને રેન્કિંગ પર તેની અસર નહિવત છે - પરંતુ આ એક વાસ્તવિક ટ્રેડ-ઓફ છે અને તમારે તે અનુમાન લગાવવા કરતાં અમારા તરફથી સાંભળવું જોઈએ.
શું મને ડેટાબેઝ કનેક્શન સ્ટ્રિંગ મળશે?
આજે નહીં. તમે તમારા Zinn® API કી સાથે HTTPS દ્વારા તમારા ઇન્ડેક્સ સુધી પહોંચો છો, જે એવી રીતે મર્યાદિત છે કે જે કી શોધી શકે છે તે તમારા ખાતામાં બીજું કંઈ કરી શકતી નથી. આ જ બાબત અમને ક્વેરીઝને પ્રામાણિકપણે માપવાની અને એક ટેનન્ટની પંક્તિઓને બીજાની પંક્તિઓથી અગમ્ય રાખવાની મંજૂરી આપે છે. જો તમને સીધા કનેક્શનની જરૂર હોય, તો અમને જણાવો - અમે અનુમાન લગાવવા કરતાં કોઈએ પૂછ્યું હોવાથી તેને બનાવવાનું વધુ પસંદ કરીશું.
તેની ગણતરી કેવી રીતે થાય છે, અને શું હું જાતે આંકડા ચકાસી શકું છું?
બે મીટર્સ પર: કેલેન્ડર મહિનામાં તમે કેટલું સ્ટોર કરો છો અને કેટલી શોધ ચલાવો છો. બંને તમારી ડેશબોર્ડ પર થાય તેમ દેખાય છે. સ્ટોર કરવું એ ભૌતિક ટેબલના કદ કરતાં એક પ્રકાશિત સૂત્ર છે — પંક્તિ ઓવરહેડ, સંગ્રહિત પહોળાઈ અને તમારી પોતાની આઈડી અને મેટાડેટાની લંબાઈ — ચોક્કસપણે જેથી તમે અમારા પર ભરોસો કરવાને બદલે અમે જેના માટે બિલિંગ કરી રહ્યા છીએ તે આંકડો ફરીથી મેળવી શકો.