vespa-engine/vespa

Vespa – 大規模検索およびAIサービングプラットフォーム

What it is – Vespaは、検索、レコメンデーション、パーソナライゼーション、およびその他のAI駆動型ワークロードをサービングするための、オープンソースの高性能プラットフォームです。膨大なベクトル、テンソル、テキスト、および構造化データのコレクションを保存・クエリし、クエリ実行時に機械学習モデルを実行し、結果を集計することができます。これらはすべて、数十ミリ秒以内、かつあらゆるスケールで実現可能です。

Why it matters – 現代のAIアプリケーション（セマンティック検索、ベクトル類似性、ランキング、リアルタイム・パーソナライゼーション）には、高速な検索とオンザフライのモデル推論を組み合わせる必要があります。Vespaは、個別のデータベース、フィーチャーストア、および推論サーバーを繋ぎ合わせる必要なく、高可用性を備えた分散クラスター上でこれらを実現するための基盤を提供します。

Key capabilities

• Vector & tensor indexing – 高次元埋め込みを保存し、近似最近傍探索を実行します。
• Model inference at serving time – JavaまたはC++のMLモデルをクエリパイプライン内で直接実行します。
• Rich query language – キーワード、セマンティック、および構造化フィルタを組み合わせ、カスタムランキング関数を計算します。
• Scalable, low-latency architecture – 大規模で継続的に変化するデータセット上でも、100ms未満のレスポンスタイムを実現するように設計されています。
• Hybrid cloud & on-premise deployment – Vespa Cloud (free trial) または、Dockerサポートを備えたLinux (AlmaLinux 8) 上でのセルフホストが可能です。
• Extensible Java components – カスタムランキング、ランキング関数、またはデータプロセッサを追加できます。

Getting started

1. Try the cloud service – vespa.ai/free-trial でサインアップして、サンプルアプリケーションをデプロイします。
2. Run locally – ドキュメントの Getting Started ガイドに従って、シングルノードのVespaインスタンスをインストールします。
3. Build from source (optional) – リポジトリにはすべてのC++およびJavaのコードが含まれています。提供されているDocker開発用イメージを使用するか、ローカルのAlmaLinux 8環境をセットアップし、./bootstrap.sh java && mvn install を実行します。
4. Explore sample apps – sample-apps リポジトリは、セマンティック検索やレコメンデーションなどの典型的なユースケースを示しています。

Documentation & community

• Full docs: https://docs.vespa.ai
• API reference: https://docs.vespa.ai/en/api.html
• Blog, tutorials, and use-case stories: https://blog.vespa.ai
• Slack community: https://slack.vespa.ai

Contributing – 寄稿は歓迎されています。プロセスについては CONTRIBUTING.md を、コード構成については Code-map.md を、改善のアイデアについては TODO.md を参照してください。

License – Apache 2.0 (see LICENSE)。