元数据过滤和向量检索
通过元数据过滤和向量检索结合，查询出用户想要的结果。
先看检索能力
VectorDB 产品页明确提供元数据过滤、向量检索、BM25 检索、多路召回和融合排序等检索能力。
索引自动更新
当数据更新的时候，VectorDB 会自动更新索引，提供最快的检索效果。
混合检索与融合排序
基于关键词和短语的 BM25 检索结合向量检索，提供精确检索的能力；基于多种检索进行多路召回及融合排序，提供更加高质量的检索结果。
再看向量索引选择
向量索引用于加速向量检索过程，不同索引在成本、性能和召回率之间需要权衡。
关注成本、性能和召回率
从业务角度来看，选择何种类型的向量索引需要仔细评估。很难有一种向量索引在成本、性能和召回率三个关键指标中都取得非常理想的表现，需要业务在这些指标中进行权衡。
按场景选择索引类型
VectorDB 当前支持多种类型的向量索引，同时也支持“无索引”，即不对向量字段建立任何向量索引，仍然可以提供向量检索，而且是召回率为 100% 的 KNN 检索。
HNSW 适合平衡型场景
HNSW 是一种经典的图结构索引，优势在于性能和召回率都比较稳定，整体效果受向量数据集的分布或倾斜影响很小。
大规模场景可关注 PUCK 与 IVF
PUCK 是百度自行研发的向量索引，在百度内部得到了广泛应用；IVF 向量索引通过将向量空间划分为多个聚类，并在每个区域内独立执行搜索来减少计算复杂度。
结合规格和企业能力评估
产品规格文档和产品页分别提供了分布式架构、节点规格、实例类型和企业级能力说明。
分布式架构
百度向量数据库以分布式架构为基础，各个节点之间协同通信和协调，以实现高效的数据存储和检索。客户端请求通过负载均衡机制智能地分发到多个节点上，从而提高整体性能和可用性。
节点和实例类型
节点类型根据存储节点的 CPU 和内存资源分配比例分为内存型、计算型、均衡型三类。
标准版多节点分布式架构，适合需要保证系统高可用性和容错性的大型企业或关键业务场景。
免费版单节点架构，适用于新用户产品体验使用。
企业级能力
- 多租户隔离，确保不同部门、不同业务线、不同业务单元等具有相应权限。
- 提供关键业务更高可用性和可靠性的能力，业务可以获得更高的 SLA 保证。
- 提供安全白名单、TLS 传输加密，企业级客户可以安全地访问数据。
适合哪些应用场景
VectorDB 产品页列出了大模型私域知识库，并提供私有化、公有云、软硬一体等服务模式。
大模型私域知识库
把用户知识库内容录入到向量数据库，通过相关知识的相似性检索可以实现基于知识库的问答。
私有化与公有云
私有化适合强数据安全与隐私需求的场景；公有云适合快速体验效果、对部署环节要求不高的场景。
软硬一体交付
软硬一体适合开箱即用且高可用需求的场景，支持软硬一体交付、高可用保证、多算力资源适配和国产化支持。