ベクトルデータベースとは
ベクトルデータベース（Vector Database）とは、高次元のベクトルデータを効率的に格納・検索するために設計された専用のデータベースシステムです。テキストや画像などのデータをEmbeddingモデルでベクトルに変換した後、類似度に基づく高速な検索を可能にします。RAG（検索拡張生成）システムの中核インフラとして不可欠な技術です。
| ひとことで言うと | 文章の意味を表すベクトルを保存し、意味が近いものを高速に探すDB。 |
|---|---|
| どこで使う | RAGの検索部分、類似文書・類似画像の検索、おすすめ表示。 |
| 注意点 | 埋め込みモデルを変えると全件作り直し。更新の運用設計が必要。 |
ベクトルデータベースの仕組み
ベクトルデータベースは、ANN（近似最近傍探索）アルゴリズムを使用して高速な類似度検索を実現します。代表的なインデックス手法にはHNSW（Hierarchical Navigable Small World）、IVF（Inverted File Index）、PQ（Product Quantization）があります。これらにより、数百万〜数十億のベクトルの中から、ミリ秒単位で最も類似するベクトルを見つけることが可能です。
1文書を分割チャンクという小片に
▶
2ベクトル化意味を数値の並びに
▶
3DBに保存索引を作って高速化
▶
4質問も数値化同じ方法で変換
▶
5近い順に返す上位N件を取り出す
主要なベクトルデータベースと選択基準
代表的なベクトルデータベースには、Pinecone（マネージドサービス）、Weaviate（オープンソース）、Qdrant（オープンソース）、Milvus（オープンソース）、Chroma（軽量）、pgvector（PostgreSQL拡張）などがあります。選択の際は、スケーラビリティ、クエリ性能、メタデータフィルタリング機能、運用の容易さ、コスト、ハイブリッド検索（ベクトル検索+全文検索）のサポートなどを考慮します。