Sözlük · ai
Vector Database
Tanım
Vector database, metni/görseli/sesi yüksek boyutlu vektör (1024-3072 dim) olarak saklayıp similarity search yapan özel veritabanıdır. RAG, semantic search, recommendation, AI agent gibi modern AI uygulamalarının temel altyapısı. Pinecone, Qdrant, Weaviate, pgvector başlıca seçenekler.
Detaylı açıklama
Klasik DB exact match'e bakar (WHERE name = 'X'); vector DB anlam benzerliğine bakar. "Köpek" sorgusu "kedi" ile yüksek benzerlik döner çünkü embedding'leri yakın. Bu semantic search'in temelidir.
Indexing algoritmaları: HNSW (Hierarchical Navigable Small World — en yaygın), IVF (Inverted File), FAISS. Trade-off: hız vs accuracy vs memory.
2026 seçenekler: Pinecone (managed, en olgun, $70+/ay), Qdrant (Rust hızlı, open source), Weaviate (built-in modules), pgvector (Postgres extension — mevcut DB), Chroma (POC için).
Kullanım senaryoları
→RAG (LLM context için doküman arama)
→Semantic search (anahtar kelime yerine anlam)
→Recommendation engine (kullanıcı + ürün benzerlik)
→Image / video / audio search
→Anomaly detection (outlier vector)
Güçlü yanlar
- +Semantic search güçlü
- +Multi-modal (text + image + audio)
- +Yatay ölçeklenebilir
- +Modern AI altyapısının core'u
Zayıf yanlar
- −Embedding maliyeti (OpenAI $0.13/1M token)
- −Storage: 1M chunk × 3072 dim = ~12 GB
- −Re-embedding gerekli (yeni model)
- −Karmaşıklık (chunk + embed + retrieve + re-rank)
İlgili terimler
İlgili hizmetler
Vector Database ile ilgili proje planlıyorsan
30 dakikalık keşif görüşmesinde projene özel mimari + maliyet + ekip önerisini yazılı paylaşıyoruz.
Keşif görüşmesi başlat