pgvector

pgvector en bref

pgvector ajoute à PostgreSQL des types vectoriels, des opérateurs de distance et des index de recherche approximative. Les embeddings restent dans la même base que les données métier : transactions, contraintes, jointures, sauvegardes et contrôle d’accès peuvent donc être réutilisés.

Fonctions principales

• vecteurs denses, demi-précision, binaires et clairsemés ;
• distances euclidienne, produit scalaire, cosinus, L1, Hamming et Jaccard ;
• recherche exacte par défaut ;
• index HNSW et IVFFlat pour accélérer les grands ensembles ;
• accès depuis tout client PostgreSQL, notamment Python.

HNSW offre généralement un meilleur compromis vitesse-rappel, au prix d’une construction plus lente et de davantage de mémoire. IVFFlat est plus léger à construire mais demande un jeu de données déjà chargé et un réglage des listes et probes.

Quand le choisir ?

pgvector est pertinent lorsque PostgreSQL est déjà la source de vérité, que les filtres et jointures sont importants et que l’équipe veut limiter le nombre de systèmes. Une base vectorielle dédiée peut devenir préférable lorsque le volume, la distribution, le débit de recherche ou les fonctions de retrieval spécialisées dominent l’architecture.

FAQ

pgvector remplace-t-il PostgreSQL ?

Non, c’est une extension exécutée dans PostgreSQL.

Les résultats restent-ils exacts avec un index ?

Les index HNSW et IVFFlat sont approximatifs : ils échangent une partie du rappel contre de meilleures performances. Mesurez ce compromis sur vos requêtes.