pgvector(PostgreSQL 向量扩展)

pgvector 是 PostgreSQL 的一款开源扩展,为这一经典关系型数据库引入了向量数据类型和向量相似性检索功能。它使开发者能在同一个 PostgreSQL 实例里,既做传统的结构化查询,又做基于嵌入向量的语义检索。

概述

安装 pgvector 后,数据库会新增一个专门的向量列类型,可以直接存储由模型生成的高维嵌入。配合专门的距离运算符,用户可以用 SQL 查询与目标向量最相近的行。为了在大数据量下保持性能,pgvector 提供了近似最近邻索引,避免逐行全表比较。

核心特点

• 原生向量类型:在 PostgreSQL 中直接存储定长浮点向量,和其他列同表管理。
• 多种距离度量:支持欧氏距离、余弦距离、内积等相似度运算符。
• 近似索引:提供 IVFFlat 与 HNSW 两类近似最近邻索引以加速检索。
• 与 SQL 无缝结合:向量检索可与 WHERE 过滤、JOIN 连接、事务一起使用。
• 复用现有生态:沿用 PostgreSQL 的备份、复制、权限与运维体系,无需引入新系统。

应用场景

pgvector 适合已经使用 PostgreSQL、又希望增加语义检索能力的团队。典型用途包括为知识库做检索增强生成(RAG)、文档与商品的语义搜索、以图搜图、推荐召回等。因为向量与业务数据同库,能方便地把结构化条件与相似度排序组合在一条查询里。

常见问题

问:pgvector 能替代专用向量数据库吗?答:在中小规模且已用 PostgreSQL 的场景往往足够;当向量规模极大、需要独立弹性伸缩时,专用向量数据库可能更合适。

问:IVFFlat 和 HNSW 索引怎么选?答:HNSW 构建慢但查询快、召回高,适合读多场景;IVFFlat 构建快、内存占用较低,适合数据变动频繁或资源受限的情况。