Vector Index vs Vector Database, duidelijk uitgelegd! De meeste mensen gebruiken deze termen door elkaar. Dat is een fout. Denk er zo over na: Een vectorindex is een algoritme. Het neemt je vectoren, organiseert ze in een doorzoekbare structuur (zoals HNSW) en vindt snel vergelijkbare items. FAISS is een goed voorbeeld. Maar een algoritme alleen kan geen opslag, filtering of schaalvergroting aan. Het zoekt alleen. Een vectordatabase omhult die index met alles wat je nodig hebt - gedistribueerde opslag, metadata-filtering, persistentie en gelijktijdige toegang. Het biedt je ook flexibiliteit in hoe je indexeert. HNSW, IVF, DiskANN - verschillende technieken voor verschillende afwegingen tussen snelheid, nauwkeurigheid en geheugen. Milvus is een goed voorbeeld. Dus, de een is een component. De ander is een systeem. Dit onderscheid lijkt academisch totdat je met schaalvergroting te maken krijgt. Dan wordt het duur. Een autonoom rijbedrijf heeft dit op de harde manier geleerd. Ze waren een zoeksysteem aan het bouwen voor rijbeelden - op enorme schaal. Elke rit genereert frames; elk frame wordt een vectorembedding. Ingenieurs moesten scenario's opvragen zoals "nachtelijke stedelijke kruispunten met voetgangers" over maanden aan gegevens. FAISS was het natuurlijke startpunt. Snel, lichtgewicht, gemakkelijk op te zetten. Maar naarmate de gegevens groeiden, werd elke dag embeddings een apart indexbestand. Maanden later: honderden duizenden geïsoleerde bestanden. ...