Capítulo 1: Introdução aos Armazenamentos Vetoriais

O Que Torna os Bancos de Dados Vetoriais Especiais?

Bancos de dados tradicionais são otimizados para buscas exatas:

SELECT * FROM products WHERE id = 123;

Bancos de dados vetoriais são otimizados para busca por similaridade:

# Encontrar os 10 vetores mais similares ao query_vector
results = vector_db.search(query_vector, top_k=10)

Algoritmos de Indexação

HNSW (Hierarchical Navigable Small World)

O algoritmo mais popular para busca vetorial:

# Parâmetros do HNSW
index = create_hnsw_index(
    vectors=embeddings,
    M=16,              # Número de conexões por nó
    ef_construction=200,  # Qualidade na construção
    ef_search=50       # Qualidade na consulta
)

Características:

• Excelente velocidade de consulta
• Alto uso de memória
• Melhor para a maioria dos casos

IVF (Inverted File Index)

Agrupa vetores para busca mais rápida:

# Parâmetros do IVF
index = create_ivf_index(
    vectors=embeddings,
    nlist=100,         # Número de clusters
    nprobe=10          # Clusters a serem buscados
)

Características:

• Menor uso de memória que o HNSW
• Requer treinamento
• Bom para grandes volumes de dados

Flat Index

Busca exata por força bruta:

# Sem parâmetros - busca exata
index = create_flat_index(vectors=embeddings)

Características:

• Precisão perfeita
• Busca mais lenta
• Bom para conjuntos de dados pequenos

Comparação de Algoritmos

Algoritmo	Velocidade	Memória	Precisão	Melhor Uso
HNSW	Rápido	Alta	~95%	Maioria dos casos
IVF	Média	Média	~90%	Grande escala
Flat	Lento	Baixa	100%	Dados pequenos

Armazenamento de Metadados

Bancos de dados vetoriais armazenam metadados junto aos vetores:

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

# Filtrar por metadados durante a busca
results = vectorstore.search(
    query_vector,
    filter={"department": "RH"},
    top_k=5
)

Principais Funcionalidades a Considerar

Funcionalidade	Descrição
Filtragem	Consulta por metadados
Atualizações	Modificar vetores existentes
Exclusão	Remover vetores
Namespaces	Isolar dados
Replicação	Alta disponibilidade
Sharding	Escalabilidade horizontal

Resumo

• Bancos de dados vetoriais permitem busca por similaridade
• HNSW é o algoritmo mais comum
• Filtragem por metadados é essencial para produção
• Escolha de acordo com escala e requisitos

---

Próximos Passos

Continue para Capítulo 2: Opções Populares.