向量数据库
有奖：腾讯混元大模型征文大赛邀您参加！> HOT
文档中心>向量数据库>词汇表

词汇表

最近更新时间：2024-09-03 17:41:30

我的收藏
AFHJKOSWXZ

A

ANN

参见 ANN

ANN

ANN 表示近似最近邻搜索（Approximate Nearest Neighbor Search），是一种用于高维数据空间中快速查找最近邻点的方法。与精确最近邻搜索相比，ANN 牺牲了一定的精度以换取更高的搜索速度，因此在处理大规模数据集时具有较高的效率。ANN 方法通常会对数据进行预处理，从而在查询时减少计算距离的次数。ANN 算法的优点是速度快、效率高，但是相对于 KNN 算法来说，其结果可能不够精确。

F

分片

  • 在 Elasticsearch Service 中，分片（Shards）是数据的容器，文档保存在分片内，一个分片是一个底层的工作单元，它仅保存了全部数据中的一部分，分片又被分配到集群内的各个节点里，当您的集群规模扩大或者缩小时，Elasticsearch 会自动的在各节点中迁移分片，使得数据仍然均匀分布在集群里。
    一个分片可以是主分片或者副本分片。索引内任意一个文档都归属于一个主分片，所以主分片的数目决定着索引能够保存的最大数据量（技术上来说，一个主分片最大能够存储 Integer.MAX_VALUE - 128 个文档）。
    一个副本分片（Replicas）只是一个主分片的拷贝。副本分片作为硬件故障时保护数据不丢失的冗余备份，并为搜索和返回文档等操作提供服务。在索引建立的时候就已经确定了主分片数，但是副本分片数可以随时修改。
  • 在腾讯云数据仓库 TCHouse-C 中，将海量数据分散存储到多个节点上，每个节点只存储和处理海量数据的一部分，每台节点被称为一个分片（Shard）。
  • 在向量数据库中，为了支持更大规模的数据，集合一般会按某个维度分成多个部分，每个部分就是一个分片（Shard），分布在若干个节点（Node）上。为了保证可靠性和可用性，同一个集合的多个分片会分布在不同节点（Node）上。

副本

  • 在消息队列 CKafka 中，副本（Replica）是消息的冗余备份，每个分区可以有多个副本，每个副本包含的消息是一样的（在同一时刻，副本之间并不完全一样，这依赖同步机制）。
    在消息队列 CKafka 中每个分区至少有双副本，保障服务的高可用。
  • 在腾讯云数据仓库 TCHouse-C 中，为了保障服务的高可用性，TCHouse-C 提供了副本机制，将单个节点的数据冗余存储在2个或多个节点上。
  • 在向量数据库中，同一个分片（Shard）的备份数据，一个分片至少会有2个副本（Replica）。副本分片作为硬件故障时保护数据不丢失的冗余备份，并为向量检索和文档查询等读操作提供服务，确保数据库在面临节点故障和负载变化等挑战时仍能正常运行。

H

HNSW

参见 HNSW

HNSW

HNSW 是一种基于图的高维向量相似性搜索算法，全称为：Hierarchical Navigable Small World。它通过构建一张图来表示向量之间的相似度关系，并使用一些优化策略来加速搜索过程。

J

节点

  • 在容器服务中，指一台已注册到集群内的云服务器。
  • 具有特定功能的区块链组件，可独立运行的单元。在区块链 TBaaS 中，是维护账本的网络节点，在 Fabric 区块链网络中默认指背书节点（endorser）。
  • 从向量数据库集群的资源角度来看，节点是用于存储数据的资源单位。一个运行中的向量数据库实例通常包含很多个节点，集合的多个副本和分片会分布在若干个节点上。节点是组成向量数据库集群的基本单元之一。

集合

在向量数据库中，集合（Collection）是指一组文档组，类似于关系型数据库中的表，其中可包含多条文档数据。集合没有固定的结构，可以插入不同格式和类型的数据。向量数据库支持集合维度的多分片、多副本特性，可以在创建集合时按需指定分片数和副本数。

K

KNN

参见 KNN

KNN

KNN 指的是最近邻搜索（K-Nearest Neighbor Search），是一种基于暴力搜索的方法，它的原理是：计算待查询向量与数据库中所有向量之间的距离，然后按照距离从小到大排序，选择距离最近的 K 个向量作为查询结果。KNN 算法的优点是可以保证精确的结果，但是对于大规模的向量数据，计算量会非常大，效率较低。

O

OLAMA

OLAMA 是腾讯自研的向量引擎，具有高性能、高可用、简单易用等特点。它支持单索引10亿级向量规模，适用于 AI 运算、检索场景，已稳定服务于近40个线上业务。

S

实例

  • 在容器服务中，由相关的一个或多个容器构成一个实例，这些容器共享相同的存储和网络空间。
  • 在批量计算中，实例即对应一个 CVM 实例，每个任务可以指定一个或多个实例（Instance）来执行同一个，实例是 Batch 调度和执行的最小单元。
  • 在数据安全治理中心中，泛指腾讯云上数据资产的单位，不同类型的数据资产单位不同，对于数据库而言是一个库，对于对象存储而言则是一个桶。
  • 在容器镜像服务中，实例为用户在指定地域可购买的独享的容器镜像托管服务，实例的后台服务及核心数据存储与其他用户的实例独立。在 Docker 原生概念中，实例可等同于独立的 Docker Registry 服务，也可以理解为用户在云端购买并部署了私有的 Docker Registry 服务。
  • 在云数据库 KeeWiDB 中，实例是腾讯云中独立运行的数据库环境，是用户购买 KeeWiDB 服务的基本单位，以单独的进程存在。一个数据库实例可以包含多个由用户创建的数据库。 您可以在控制台创建、修改和删除实例。实例之间相互独立、资源隔离，相互之间不存在 CPU、内存、持久内存、IO 等抢占问题。
  • 在向量数据库中，实例是腾讯云中独立运行的数据库环境，是用户购买向量数据库服务的基本单位，以单独的进程存在。一个数据库实例可以包含多个由用户创建的数据库。 您可以在控制台创建、修改和删除实例。实例之间相互独立、资源隔离，相互之间不存在 CPU、内存、持久内存、IO 等抢占问题。

数据库

数据库（Database）是按照数据结构来组织、存储和管理数据的仓库，一个实例可以创建多个 Database。

索引

  • 在 Elasticsearch Service 中：
    • 索引（名词）类似于传统关系数据库中的一个数据库，是存储关系型文档的地方。索引的复数词为 indices 或 indexes。
    • 索引（动词）一个文档就是存储一个文档到一个索引（名词）中，以便它可以被检索和查询。除了文档已存在时新文档会替换旧文档情况之外，这类似于 SQL 语句中的 INSERT 关键词。
  • 在日志服务中：
    为了快速检索出需要的日志，日志服务对上传至平台的日志进行包括分词在内的很多预处理，这个过程称之为创建“索引（index）”。索引决定了日志能够以什么样的条件来进行检索和分析，因此在上传日志数据前，需要为日志主题设置一个合理的索引规则，以方便后续检索分析。索引主要包括全文索引及键值索引两类，详细介绍请参见 配置索引。
  • 在向量数据库中：
    索引（Index）是一种特殊的数据结构，用于快速查找和访问数据，存储在内存中。索引本身并不存储数据，而是存储指向数据存储位置的指针或键值对。Tencent Cloud VectorDB 支持 FLAT、HNSW 等常见的向量索引。索引介绍详见 向量检索。

W

文档

  • Elasticsearch 是面向文档（document）的，它存储的是整个对象或文档，并且索引每个文档的内容使之可以被检索。Elasticsearch 使用 JSON 作为文档的序列化格式，简单、简洁、易于阅读。JSON 序列化被大多数编程语言所支持，并且已经成为 NoSQL 领域的标准格式。在 Elasticsearch 中，用户不是对行列数据进行检索，而是对文档进行索引、检索、排序和过滤，这是一种完全不同的思考数据的方式，也是 Elasticsearch 能支持复杂全文检索的原因。
  • 在向量数据库中，集合 可以看作是一个表格，而 Document 可以看作是表格中的一行数据。每个 Document 代表一个完整的文档对象，包含了多个 Field，每个 Field 表示文档中的一个属性或字段。向量数据库的文档是一组键值对（key：value），每个文档都有一个唯一主键（id）和一个向量字段（vector）。在插入文档时，向量数据库不需要设置相同的字段，可以在插入数据时增加或删除字段。

X

向量

向量（Vector）可以理解为一组数值的有序集合，通常用于表示某个对象或事物的属性或者特征。这些数值可以有不同的维度，每个维度都表示一个属性或特征。在机器学习和人工智能领域，向量常用于表示图像、文本、音频等数据，通过计算向量之间的距离或相似度来实现分类、聚类、检索等任务。

Z

字段

  • 在腾讯云搜中，一个文档由多个字段组成，字段类型包括：文本域、数值域和分类域字段。
  • 在向量数据库中，每个字段 Field 是一个键值对（key：value），表示文档中的一个属性或者字段。每个 Field 都有自己的类型和取值范围，可以是字符串、数字等不同类型的数据。
中国站
文档反馈
文档活动
message-icon联系我们
目录