deniz.in

Piyasalar

Hava durumu

Hava durumu yükleniyor

· kaynak dev.to (home feed)

Pinecone'un pg_pinecone uzantısı, native, pgvector ve remote motorlarla veritabanı içi vektör araması sunuyor

Pinecone'un Apache-2.0 lisanslı Postgres uzantısı pg_pinecone, vektör aramasını ayrı bir servis yerine veritabanı içinde üç birbirinin yerine geçebilen motorla çalıştırıyor; benchmark sonuçları, 4,1 GB'lık HNSW karşılığına karşı 136 MB'lık bir native index raporluyor.

Pinecone'un pg_pinecone uzantısı, native, pgvector ve remote motorlarla veritabanı içi vektör araması sunuyor

Pinecone, vektör aramasını ayrı bir servis yerine PostgreSQL içinde çalıştıran Apache-2.0 lisanslı pg_pinecone uzantısını yayımladı. 27 Ekim 2026 tarihli duyuru yazısına göre her tablo üç yürütme motorundan birini seçerken uygulamalar halihazırda kullandıkları SQL'i göndermeye devam ediyor. GitHub sürüm sayfasına göre 15 Kasım 2026'da paketleme ve güvenlik eklemeleriyle v0.13.0 sürümü geldi. Pinecone'un genel bakışı, uzantının self-managed PostgreSQL 17 ve 18 sunucularını hedeflediğini, kurulum için superuser erişimi gerektirdiğini ve remote motor ile tam metin aramasının sunucu düzeyinde bir ayar ihtiyacı doğurduğunu belirtiyor — bunu üretime geçmeden önce bilmekte fayda var.

Alışıldık SQL'in arkasındaki üç motor

Arayüz bilinçli olarak sıradan: uygulama, zaten gönderdiği pgvector tarzı mesafe sıralamasını bir limit ile gönderir ve pg_pinecone bunu yanıtlar. Tam vektörler dahil satırlar Postgres'te kalır ve çağıran koddan hangi motorun yanıt verdiğini belli eden hiçbir şey yoktur.

Her tablo üç motorundan birini seçer. Native motor, hesap, API anahtarı ve giden ağ trafiği olmadan Postgres içinde bir index oluşturur. pgvector motoru, ekibin halihazırda işlettiği bir HNSW index'ini arar; bu da uzantıyı,迁移 olmadan alternatifi denemenin bir yolu hâline getirir. Remote motor ise aramaları Pinecone'un yönetilen servisine iletirken satırlar veritabanında kalır.

Native motor vektörleri nasıl depoluyor

Native motor IVF kümelemesini RaBitQ sıkıştırmasıyla birleştirir: vektörler kümeler halinde gruplanır ve her biri kompakt bir ikili kod olarak saklanır. Bir sorgu en yakın kümeleri yoklar, kodlardan mesafeleri tahmin eder, ardından kısa listeyi tabloda tutulan tam vektörlerle yeniden kontrol eder. Index tam vektörler yerine kodlar tuttuğu için küçük kalır ve hızlı kurulur. v0.10.0 sürüm notları, kurulumların probe sayısını ve yeniden puanlama havuzu boyutunu seçilen bir recall hedefine göre kalibre ettiğini, isteğe bağlı olarak kalibrasyon için gerçek sorgulardan oluşan bir tablo kullanılabildiğini anlatıyor.

Satıcının benchmark'ı ne gösteriyor

Tüm rakamlar Pinecone'un kendi yazısından geliyor ve tek bir makinede çalıştırılmış: 16 vCPU ve 128 GB RAM'e sahip AWS r6id.4xlarge üzerinde, 768 boyutlu bir milyon wiki_dpr vektörü.

Bu kurulumda native motor 136 MB'lık bir index üretirken halfvec üzerindeki HNSW 2,0 GB ve tam boyutlu HNSW 4,1 GB yer aldı; kurulum süreleri 45 saniye ile 62 ve 79 saniye oldu. 0,95 ve 0,99 recall'da filtresiz arama native motorda 1,27 ve 2,28 ms, halfvec üzerindeki HNSW'de 1,71 ve 4,65 ms, tam boyutlu HNSW'de 2,67 ve 6,72 ms sürdü.

Bir bellek notu bu sayıları yeniden çerçeveliyor: RAM 4 GB ile sınırlıyken native motor ve halfvec üzerindeki HNSW gecikmelerini korurken, tam boyutlu HNSW grafik sığmadığı için 0,95 recall'da yaklaşık üç kat, 0,99 recall'da dört kat yavaşlıyor. dev.to yazısı, tüm ölçümlerin satıcı tarafından tek bir instance boyutunda yapıldığı konusunda uyarıyor; bu yüzden ekipler seçim yapmadan önce kendi tablolarını her iki motorla benchmark'lamalı.

Filtrelemenin en çok önem taşıdığı yer

Uygulamalar sorguları genellikle bir kiracıya veya kullanıcıya göre daraltır ve grafik index'leri bunu kötü yönetir: HNSW filtreyi aday kümesine uygular, bu yüzden dar bir filtre sonuçları uygun satırlardan yoksun bırakabilir. Native motor filtreleri aramanın kendisi sırasında uygular. %1'lik filtrede Pinecone, 0,95 recall hedefine karşı native motorda 8,3 ms'de 0,981 recall, halfvec üzerindeki HNSW'de 56 ms'de 0,924 recall ölçtü. %10'luk filtrede HNSW daha hızlı yanıt veriyor, 5,9 ms'de, ancak hedefin altında 0,920 recall'a ulaşıyor; native motor ise 12,3 ms'de 1,000 recall'a ulaşıyor.

Ölçeklendirme ve 0.13.0 sürümü

Bir tablo sunucusunu aşınca remote motor devreye girer: arama bir Pinecone index'ine taşınır, satırlar Postgres'te kalır ve geçiş her iki yönde tek bir SQL çağrısıdır, çünkü yerelde yeniden kurmak için gereken veriler hiçbir zaman tablodan çıkmaz. Pinecone'un genel bakışı, her kiracının kendi namespace'ine eşlenebileceğini, böylece bir sorgunun yalnızca o kiracının verisine dokunacağını ekliyor. v0.10.0 sürüm notları, uçtan uca backfill'in 768 boyutta saniyede 55 satırdan 847 satıra çıktığını, 100'ün limiti ile tek bir istek olarak sunulduğunu bildiriyor.

15 Kasım 2026 tarihli 0.13.0 sürümü operasyonel katmanı sağlıyor: tek çağrılık sağlık kontrolü, PGXN paketlemesi, zorunlu HTTPS control-plane URL'si ve imzalı, attestasyonlu sürüm artifact'leri.

Neden önemli

Embedding'ler için olağan desen ikinci bir sistemdir: vektörleri Postgres'ten kopyalayıp ikisini senkron tutmak. pg_pinecone bunu, uygulamanın zaten sorguladığı veritabanının içine daraltıyor ve tablo başına motor değişimi, mevcut bir pgvector index'inin yanında dahil, seçimi gerçek veri üzerinde geri alınabilir ve test edilebilir kılıyor. Sıkıştırılmış kod tasarımı gerçekten farklı bir takas sunuyor — çok daha küçük ve hızlı kurulan index'ler, bellek baskısı altında kararlı gecikme ve dar filtrelerden sağlam çıkan recall — bunlar, aynı zamanda transactional trafik işleyen bir sunucuda önem taşıyan özellikler. Uyarılar da gerçek: satıcı tarafından yürütülen benchmark'lar, tek instance boyutu, superuser kurulumu ve bazı özellikler için sunucu ayarları. Ama 0.13.0'daki sağlık kontrolü, paketleme ve imzalı artifact'ler, üretim kullanımına hazırlanan bir projeye işaret ediyor.

  • #postgresql
  • #vector-search
  • #open-source
  • #pinecone
  • #extensions

İlgili yazılar