supervc-stack/VectorChord

Scalable, fast, and disk-friendly vector search in Postgres, the successor of pgvecto.rs.

What it solves

VectorChord 解决了千亿级向量数据库的高成本和资源密集问题。它使用户能够在相对普通的硬件上存储和搜索数亿至数十亿的向量，与其他向量搜索方案相比，显著降低基础设施费用。

How it works

它实现为 PostgreSQL 扩展，通过多项关键技术优化向量的存储与检索：

  • RaBitQ Compression：使用原生 4 位 (RaBitQ4) 和 8 位 (RaBitQ8) 向量类型，极大降低内存和存储占用，同时保持高搜索精度。
  • Autonomous Reranking：将压缩与重新排序结合，以保持搜索质量。
  • Hierarchical K-means：加速索引构建，使 1 亿向量可在约 20 分钟内完成索引。
  • Dimensionality Reduction and Sampling：在索引过程中控制内存增长，使拥有 128GB RAM 的机器也能创建千亿向量索引。

Who it’s for

开发者和组织需要将向量搜索规模扩展到数亿或数十亿的嵌入向量，而不承担巨大的云基础设施成本，尤其是已经使用或希望集成 PostgreSQL 的用户。

Highlights

  • Cost Efficiency：能够在单个 AWS i4i.xlarge 实例上托管 1 亿向量。
  • PostgreSQL Integration：完全兼容 pgvector 数据类型和语法，便于迁移。
  • High-Speed Indexing：利用优化的磁盘操作和层次 K-means，快速为大规模数据集构建索引。
  • Low-Bit Quantization：提供原生 4 位和 8 位类型，最小化空间占用且不会显著降低召回率。