Eコマースの検索
買い物客は欲しいものを自分の言葉で入力します。カタログは意味で検索され、閲覧中のカテゴリーとショップに絞り込まれます。
AIとLLM検索
ベクトル類似検索
意味が最も近いアイテムをタグで絞り込んで、アイテムそのものを保持する同じエンジンの中で見つけます。
- インデックス
- HNSW
- 平均の検索コスト
- O(log N)
- 距離の指標
- 3
ステップ 1 / 6
インデックスを作成
次元数と指標はインデックスごとに固定です。HNSWのパラメーターは必要に応じて調整できます。
サンプルセッションplaying
# インデックスを作成
hotkv> VSIM.CREATEINDEX products 3 METRIC COSINE
OK
実際のHotKVコマンドと応答例を使ったアニメーションのウォークスルーです。任意のステップをクリックすると、そこに移動します。 コマンドと応答は、HotKVで実際に入力し表示されるとおり英語のままです。
課題
セマンティック検索、「これに似たもの」、重複排除は、どれも「保存されたアイテムのうち、これに最も近いものはどれか」という1つの問いに行き着きます。これに答えるには通常、メインのストアの隣に専用のベクトルデータベースが必要で、商品を更新するたびに両方に書き込まなければなりません。
HotKVでの解決方法
HotKVは、HNSWのベクトルインデックスをエンジンの中に持ちます。商品データは通常のキーに保存され、ベクトルは同じキー名でインデックス化され、それらのキーに付けたタグによって検索をカテゴリーやテナントの中に限定できます。書き込み経路は1つ、運用するシステムも1つです。
ステップごとに
コマンドごとに何が起きるか
- 01
インデックスを作成
次元数と指標はインデックスごとに固定です。HNSWのパラメーターは必要に応じて調整できます。
VSIM.CREATEINDEX products 3 METRIC COSINE - 02
商品を保存
商品データは、インデックスが使うキー名の下にある通常のハッシュです。
HSET sku:1 name "Trail runner" price 89 - 03
タグを付ける
キーに付けたタグにより、ベクトル検索をカテゴリーの中に限定できます。
TAG.SET sku:1 shoes running - 04
ベクトルをインデックス化
ベクトルは同じキー名でインデックスに追加されます。
VSIM.SET products sku:1 0.12 0.80 0.31 - 05
タグの中で意味で検索
クエリのテキストが埋め込まれ、タグを持つ最も近い商品が距離とともに返ります。
VSIM.SEARCH products 3 0.10 0.82 0.29 FILTER shoes - 06
表示するデータを取得
結果はキー名なので、商品データは同じサーバーで1回読み取るだけで手に入ります。
HGETALL sku:1
活用シーン
実際のシナリオ
重複の検出
新しいサポートチケットや出品は既存のものと比較され、ほぼ重複するものは人の目に触れる前に統合されます。
画像とメディアの類似性
画像モデルの埋め込みを使って、ライブラリ全体から見た目の似た写真やクリップを見つけます。
標準搭載
得られるもの
HNSWインデックス
大規模なインデックスでも高速さを保つ近似最近傍探索で、平均O(log N)です。
VSIM.CREATEINDEXVSIM.SEARCH3つの指標
コサイン、L2、内積をインデックスごとに選べます。
METRICタグフィルター
指定したすべてのタグを持つキーに検索を限定します。
TAG.SETFILTER永続化
インデックスは他のデータと同様に、スナップショットとAOFの書き換えに保存されます。
VSIM.INFOよくある質問
HotKVが埋め込みを生成するのですか？
いいえ。お好みの埋め込みモデルでベクトルを作成し、VSIM.SETで保存します。
RAGパイプラインとはどう違いますか？
VSIMは汎用のベクトルインデックスです。RAGパイプラインは同じ考え方の上に、ドキュメント向けのチャンク分割、メタデータ、キーワードのハイブリッド検索を追加したものです。
どのプランに含まれますか？
ベクトル検索とタグはコアコマンドで、すべてのプランでライセンスなしで動作します。
関連するユースケース
ご自身のワークロードで試してみましょう
HotKVはRedisプロトコルに対応しているため、既存のクライアントを向けるだけで、これらと同じコマンドを実行できます。