向量数据库是一个近年来随着 AI 和大模型应用兴起而广泛关注的新类型数据库。

什么是向量数据库

向量数据库是专门用来存储和检索高维向量数据的数据库。

这些“向量”通常来自于：

• 文本（用 embedding 模型，如 OpenAI embedding 或 Sentence-BERT 生成向量）

• 图像（如 CLIP 等模型生成向量）

• 音频、视频、代码等

举个例子：

然后你再提问：“香蕉是什么？”
👉 也会生成一个向量，系统用“向量相似度”去找出与之最接近的向量（即“苹果”可能会被检索出来）。

这就实现了语义搜索或相似性搜索。

向量数据库和关系型数据库的区别

为什么 Redis、MongoDB、MariaDB 也可以当作“向量数据库”用

这些并不是专门的向量数据库，但由于它们扩展性强、支持插件或模块化功能，可以“支持向量检索功能”，如下：

1. Redis（特别是 Redis Stack）

• Redis 本身是键值数据库，但它有 RediSearch 模块；

• 现在支持 HNSW 索引方式进行向量近似搜索；

• 优势：超快内存性能、适合小模型嵌入或低延迟场景。

2. MongoDB

• MongoDB 6.0+ 开始支持向量索引；

• 可以把向量作为数组字段存入文档；

• 使用 $vectorSearch 等方式进行近似向量搜索；

• 优势：对非结构化数据天然支持，适合搭配嵌入式文本或文档结构。

3. MariaDB / MySQL

• 它们本质不是为向量设计的；

• 但可以把向量作为 JSON 或数组字段存进去；

• 可以写存储过程或 UDF 做简单的向量距离计算；

• 性能不如专业向量库，但可在数据量小、需求简单时凑合用。

专业的向量数据库有哪些

阅读原文：原文链接