Capítulo 1: Introducción a los Almacenes Vectoriales

¿Qué hace especiales a las bases de datos vectoriales?

Las bases de datos tradicionales están optimizadas para coincidencias exactas:

SELECT * FROM products WHERE id = 123;

Las bases de datos vectoriales están optimizadas para búsquedas por similitud:

# Encontrar los 10 vectores más similares a query_vector
results = vector_db.search(query_vector, top_k=10)

Algoritmos de indexación

HNSW (Hierarchical Navigable Small World)

El algoritmo más popular para búsqueda vectorial:

# Parámetros de HNSW
index = create_hnsw_index(
    vectors=embeddings,
    M=16,              # Número de conexiones por nodo
    ef_construction=200,  # Calidad en tiempo de construcción
    ef_search=50       # Calidad en tiempo de consulta
)

Características:

• Excelente velocidad de consulta
• Alto uso de memoria
• El mejor para la mayoría de los casos

IVF (Inverted File Index)

Agrupa vectores para búsquedas más rápidas:

# Parámetros de IVF
index = create_ivf_index(
    vectors=embeddings,
    nlist=100,         # Número de clústeres
    nprobe=10          # Clústeres a consultar
)

Características:

• Menor uso de memoria que HNSW
• Requiere entrenamiento
• Bueno para conjuntos de datos grandes

Flat Index

Búsqueda exacta por fuerza bruta:

# Sin parámetros - búsqueda exacta
index = create_flat_index(vectors=embeddings)

Características:

• Precisión perfecta
• Búsqueda más lenta
• Bueno para conjuntos de datos pequeños

Comparación de algoritmos

Algoritmo	Velocidad	Memoria	Precisión	Mejor para
HNSW	Rápido	Alta	~95%	La mayoría de los casos
IVF	Media	Media	~90%	Gran escala
Flat	Lento	Baja	100%	Conjuntos de datos pequeños

Almacenamiento de metadatos

Las bases de datos vectoriales almacenan metadatos junto con los vectores:

vectorstore.add(
    vectors=[embedding],
    documents=["Documento de política de la empresa"],
    metadata=[{
        "source": "handbook.pdf",
        "page": 15,
        "department": "HR",
        "date": "2024-01-15"
    }]
)

# Filtrar por metadatos durante la búsqueda
results = vectorstore.search(
    query_vector,
    filter={"department": "HR"},
    top_k=5
)

Características clave a considerar

Característica	Descripción
Filtrado	Consultar por metadatos
Actualizaciones	Modificar vectores existentes
Eliminación	Eliminar vectores
Namespaces	Aislar datos
Replicación	Alta disponibilidad
Sharding	Escalado horizontal

Resumen

• Las bases de datos vectoriales permiten la búsqueda por similitud
• HNSW es el algoritmo más común
• El filtrado por metadatos es esencial para producción
• Elija según la escala y los requisitos

---

Próximos pasos

Continúe con Capítulo 2: Opciones Populares.