目录

• 产品简介
• 产品特点
• 快速查询
• 使用 Wea​​viate 模块摄取任何媒体类型
• 组合矢量和标量搜索
• 实时和持久
• Horizo​​ntal Scalability
• 高可用性
• 成本效益
• 对象
• 使用场景
• 相关资料

产品简介

Weaviate 是一个低延迟矢量搜索引擎，开箱即用地支持不同的媒体类型（文本、图像等）。它提供语义搜索、问答提取、分类、可定制模型（PyTorch/TensorFlow/Keras）等。Weaviate 在 Go 中从头开始构建，同时存储对象和向量，允许将向量搜索与结构化过滤和容错相结合云原生数据库，所有这些都可以通过 GraphQL、REST 和各种编程语言客户端访问。

• Weaviate 是类型向量搜索引擎的开源数据库。
• Weaviate 允许您以类属性的方式存储 JSON 文档，同时将机器学习向量附加到这些文档以在向量空间中表示它们。
• Weaviate 可以独立使用（也就是带上你的向量），有各种各样的模块可以为你做向量化或扩展核心功能。
• Weaviate 有一个 GraphQL-API 可以轻松访问您的数据。

产品特点

Weaviate 可以轻松使用最先进的 AI 模型，同时提供专用矢量数据库的可扩展性、易用性、安全性和成本效益。

• 快速查询

Weaviate 通常在不到 100 毫秒的时间内对数百万个对象执行最近邻 (NN) 搜索。您可以在我们的基准测试页面上找到更多信息。

• 使用 Wea​​viate 模块摄取任何媒体类型

使用最先进的 AI 模型推理（例如 Transformer）在搜索和查询时访问文本、图像等数据，让 Weaviate 为您管理数据矢量化的过程 -或提供导入您自己的载体。

• 组合矢量和标量搜索

Weaviate 允许进行高效的矢量和标量组合搜索，例如“过去 7 天内发表的与 COVID 19 大流行相关的文章”。Weaviate 存储对象和向量，并确保两者的检索总是有效的。不需要第三方对象存储。

• 实时和持久

的 Weaviate 让您可以搜索您的数据，即使它当前正在导入或更新。此外，每次写入都会写入预写日志 (WAL)，以便立即持久写入 - 即使发生崩溃也是如此。

• Horizo​​ntal Scalability

Scale Weaviate 满足您的确切需求，例如最大摄取量、最大可能的数据集大小、每秒最大查询数等。

• 高可用性

• 成本效益

非常大的数据集不需要完全保存在 Weaviate 的内存中。同时，可用内存可用于提高查询速度。这允许有意识的速度/成本权衡以适应每个用例。

• 对象

之间的图形连接 以图形方式在对象之间建立任意连接，以模拟数据点之间的真实连接。使用 GraphQL 遍历这些连接。

使用场景

• 如果您不喜欢当前搜索引擎为您提供的结果质量。（使用 Wea​​viate，您可以在语义上搜索您的数据。）
• 如果您想使用开箱即用的最先进的 ML 模型进行文本和图像相似性搜索。（在一个 Weaviate 实例中结合存储和查询多种媒体类型。）
• 如果您想将语义（向量）和标量搜索与需要毫秒的向量数据库相结合。（Weaviate 存储您的对象和向量，并确保两者的检索总是有效的）。
• 如果您需要将自己的机器学习模型扩展到生产规模。（HNSW 算法和水平扩展支持近实时数据库操作）
• 如果您需要快速且近乎实时地对大型数据集进行分类。（使用开箱即用或自定义 ML 模型的 kNN、零样本或上下文分类）。

人们将 Weaviate 用于语义搜索、图像搜索、相似性搜索、异常检测、功率推荐引擎、电子商务搜索、ERP 系统中的数据分类、自动化数据协调、网络安全威胁分析等许多案例。

相关资料

网站:https://www.semi.technology/products/weaviate/index.html
Weaviate 文档：https://weaviate.io/developers/weaviate/current/
源码:https://github.com/semi-technologies/weaviate
技术文档:https://www.semi.technology/developers/weaviate/current/