SingleStore 執行長預測專用向量資料庫的未來有限

Home AI新聞 SingleStore 執行長預測專用向量資料庫的未來有限

SingleStore 強化生成式 AI 工作負載的資料庫

SingleStore 今日推出了一個新版本，大幅提升其資料庫平台在生成式 AI、交易和分析工作負載方面的能力。更新後的 SingleStore Pro Max 資料庫，亦即 SingleStore 8.5，新增了先進的索引向量搜尋功能，使組織能有效構建和支持生成式 AI 應用程式以及檢索增強生成（RAG）使用案例。

向量能力歷史背景

此次的索引向量搜尋增強功能並非 SingleStore 資料庫首次引入向量能力。該技術自 2017 年以來便已成為其產品組合的一部分，當時公司名為 MemSQL。自 2020 年改名以來，SingleStore 將在線分析處理（OLAP）和在線交易處理（OLTP）整合為統一資料庫平台。

隨著生成式 AI 工作負載的興起，對向量資料庫功能的需求激增。本土平台如 Pinecone 相繼出現，而包括 DataStax、Neo4j、MongoDB、PostgreSQL 和 Oracle 等老牌資料庫供應商也開始加入向量能力。SingleStore 首席執行官 Raj Verma 表示，僅僅提供專門的向量資料庫並不足以滿足組織需求，強調必須整合現有的資料庫功能。

Verma 說：“我們提供一個包含向量的生成式 AI 堆疊，讓您能構建和建模生成式 AI 應用程式。僅有向量資料庫只是一個功能，而非長期解決方案，因為它為您的 AI 堆疊帶來了不必要的複雜性。”

跨多種數據類型的混合搜索

SingleStore 作為混合交易與分析處理（HTAP）資料庫，能夠存儲、處理和查詢各類數據。Pro Max 版本提升了對結構化和非結構化數據的向量搜尋能力。儘管 SingleStore 自 2017 年以來一直支持向量搜尋，但最新版本則包含如產品量化（PQ）、層次導航小世界（HNSW）和近似最近鄰（ANN）索引等先進演算法，以提供更快、更精確的搜尋結果。

增強的向量搜尋能力確保組織能利用 SingleStore 中存儲的所有數據進行有效搜尋以及生成式 AI 應用的開發。Verma 強調，雖然專注於向量的資料庫可能簡化進入生成式 AI 的過程，但往往忽視了組織更廣泛數據環境中的複雜性。

“僅僅添加向量無法掩蓋組織數據狀態的複雜性，”他強調。

Verma 進一步闡述了 SingleStore 作為綜合向量資料庫的願景，並支持一個簡化的數據生態系統，涵蓋所有必要的數據類型。他表示：“只有通過簡化和數據整合，組織才能實現所需的速度和效率，以促進生成式 AI 數據產業的繁榮。”

增強的變更資料捕獲功能配合 Apache Iceberg

在當今的數據環境中，組織將所有數據集中在單一資料庫中的情況並不常見。相反，數據管道通常跨越多個存儲庫和應用程式。從外部來源導入數據到資料庫的一種普遍方式是通過變更資料捕獲（CDC）。

SingleStore Pro Max 功能強化的 CDC 能力使用戶能夠將來自 MySQL、MongoDB 和基於 Apache Iceberg 的數據湖的數據整合到一個集中資料庫中。對於支持 Apache Iceberg，這一開源數據湖表格格式在 IBM 和 Snowflake 等領先供應商中非常受歡迎，具有特別的意義。Verma 強調了 SingleStore 與 IBM 和 Snowflake 持續的夥伴關係，並指出 Iceberg 支持將大大減輕整合挑戰。

“CDC 能力使我們的客戶能夠將來自各種來源的數據聚合到 SingleStore 中，這對整個檢索增強生成工作流程至關重要，”Verma 說。

資料工程師如何有效準備迎接人工智慧驅動的未來

Voltron Data收購Claypot 以實現模組化數據系統的即時人工智能能力