本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 向量搜尋功能和限制
<a name="vector-search-limits"></a>

## 向量搜尋可用性
<a name="vector-search-availability"></a>

R6g, R7g 和 T4g 節點類型支援啟用向量搜尋的 MemoryDB 組態，並且可在提供 MemoryDB 的所有 AWS 區域中使用。

現有的叢集無法修改以啟用搜尋。不過，啟用搜尋的叢集可以從停用搜尋的叢集快照建立。

## 參數限制
<a name="parameter-restrictions"></a>

下表顯示各種向量搜尋項目的限制：


| 項目 | 最大值 | 
| --- | --- | 
| 向量中的維度數量 | 32768 | 
| 可建立的索引數量 | 10 | 
| 索引中的欄位數目 | 50 | 
| FT.SEARCH 和 FT.AGGREGATE TIMEOUT 子句 （毫秒） | 10000 | 
| FT.AGGREGATE 命令中的管道階段數量 | 32 | 
| FT.AGGREGATE LOAD 子句中的欄位數目 | 1024 | 
| FT.AGGREGATE GROUPBY 子句中的欄位數目 | 16 | 
| FT.AGGREGATE SORTBY 子句中的欄位數目 | 16 | 
| FT.AGGREGATE PARAM 子句中的參數數目 | 32 | 
| HNSW M 參數 | 512 | 
| HNSW EF\$1CONSTRUCTION 參數 | 4096 | 
| HNSW EF\$1RUNTIME 參數 | 4096 | 

## 擴展限制
<a name="scaling-restrictions"></a>

MemoryDB 的向量搜尋目前僅限於單一碎片，不支援水平擴展。向量搜尋支援垂直和複本擴展。

## 操作限制
<a name="operational-restrictions"></a>

**索引持久性和回填**

向量搜尋功能會保留索引的定義，以及索引的內容。這表示在任何導致節點啟動或重新啟動的操作請求或事件期間，索引定義和內容會從最新的快照還原，而任何待定交易都會從多可用區域交易日誌中讀取。不需要使用者動作即可啟動此動作。一旦資料還原，重建就會以回填操作的形式執行。這在功能上等同於系統自動為每個定義的索引執行 [FT.CREATE](https://docs.aws.amazon.com/memorydb/latest/devguide/vector-search-commands-ft.create.html) 命令。請注意，一旦還原資料，但可能在索引回填完成之前，節點就可供應用程式操作使用，這表示應用程式會再次看到回填 （例如，使用回填索引的搜尋命令可能會遭拒）。如需回填的詳細資訊，請參閱 [向量搜尋概觀索引和 Valkey 和 Redis OSS 金鑰空間](vector-search-overview.md#vector-search-indexes-keyspaces)。

索引回填的完成不會在主要和複本之間同步。應用程式可能會意外看到這種缺乏同步的情況，因此建議應用程式在啟動搜尋操作之前，先驗證主要和所有複本上的回填完成。

## 快照匯入/匯出和即時遷移
<a name="snapshot-restrictions"></a>

RDB 檔案中是否存在搜尋索引會限制該資料的相容可傳輸性。只有另一個啟用 MemoryDB 向量的叢集才能了解 MemoryDB 向量搜尋功能定義的向量索引格式。此外，預覽叢集的 RDB 檔案可由 MemoryDB 叢集的 GA 版本匯入，這會在載入 RDB 檔案時重建索引內容。

不過，不包含索引的 RDB 檔案不會以此方式受到限制。因此，在匯出之前刪除索引，可將預覽叢集內的資料匯出至非預覽叢集。

## 記憶體使用量
<a name="memory-consumption"></a>

 記憶體耗用取決於向量數量、維度數量、M 值和非向量資料數量，例如與向量相關聯的中繼資料或存放在執行個體中的其他資料。

所需的總記憶體是實際向量資料所需的空間，以及向量索引所需的空間的組合。向量資料所需的空間是透過測量在 HASH 或 JSON 資料結構中存放向量所需的實際容量，以及對最接近記憶體板的額外負荷來計算，以獲得最佳記憶體配置。每個向量索引使用對存放在這些資料結構中的向量資料的參考，並使用有效的記憶體最佳化來移除索引中向量資料的任何重複副本。

向量數量取決於您決定將資料表示為向量的方式。例如，您可以選擇將單一文件表示為數個區塊，其中每個區塊代表向量。或者，您可以選擇將整個文件表示為單一向量。

向量的維度取決於您選擇的內嵌模型。例如，如果您選擇使用 [AWS Titan](https://aws.amazon.com/bedrock/titan/) 內嵌模型，則維度數目將為 1536。

M 參數代表索引建構期間為每個新元素建立的雙向連結數目。MemoryDB 將此值預設為 16；不過，您可以覆寫此值。較高的 M 參數較適用於高維度和/或高回收需求，而低 M 參數較適用於低維度和/或低回收需求。隨著索引變大，M 值會增加記憶體的消耗量，進而增加記憶體消耗量。

在主控台體驗中，MemoryDB 可根據向量工作負載的特性，在叢集設定下勾選啟用向量搜尋後，提供簡單的方式來選擇正確的執行個體類型。

![\[AWS 主控台中的向量搜尋叢集設定。\]](http://docs.aws.amazon.com/zh_tw/memorydb/latest/devguide/images/vector-search-cluster-settings-console.png)




**範例工作負載**

客戶想要建置以內部財務文件為基礎的語意搜尋引擎。他們目前擁有 1M份財務文件，這些文件使用具有 1536 個維度的 titan 內嵌模型，每個文件分成 10 個向量，而且沒有非向量資料。客戶決定使用預設值 16 做為 M 參數。
+ 向量：1 M \$1 10 區塊 = 10M 向量
+ 維度：1536
+ 非向量資料 (GB)：0 GB
+ M 參數：16

透過此資料，客戶可以按一下主控台中的使用向量計算器按鈕，根據其參數取得建議的執行個體類型：

![\[根據計算器的輸入，向量計算器建議的節點類型。\]](http://docs.aws.amazon.com/zh_tw/memorydb/latest/devguide/images/vector-calc1.png)


![\[輸入值的向量計算器。\]](http://docs.aws.amazon.com/zh_tw/memorydb/latest/devguide/images/vector-calc2.png)


在此範例中，向量計算器會尋找最小的 [MemoryDB r7g 節點類型](https://aws.amazon.com/memorydb/pricing/)，其可以根據提供的參數存放向量所需的記憶體。請注意，這是近似值，您應該測試執行個體類型，以確保其符合您的需求。



根據上述計算方法和範例工作負載中的參數，此向量資料需要 104.9 GB 才能存放資料和單一索引。在此情況下，建議使用`db.r7g.4xlarge`執行個體類型，因為它有 105.81 GB 的可用記憶體。下一個最小節點類型太小，無法容納向量工作負載。

由於每個向量索引都使用所存放向量資料的參考，而且不會在向量索引中建立向量資料的額外副本，因此索引也會耗用相對較少的空間。這在建立多個索引時非常有用，在已刪除部分向量資料且重建 HNSW 圖形的情況下，也有助於為高品質向量搜尋結果建立最佳節點連線。

## 回填期間記憶體不足
<a name="out-of-memory-backfill"></a>

與 Valkey 和 Redis OSS 寫入操作類似，索引回填會out-of-memory的限制。如果在回填進行時填滿引擎記憶體，則會暫停所有回填。如果記憶體可用，則會繼續回填程序。當回填因記憶體不足而暫停時，也可以刪除和編製索引。

## 交易
<a name="transactions"></a>

命令 `FT.CREATE`、`FT.DROPINDEX`、`FT.ALIASDEL`、 `FT.ALIASADD`和 `FT.ALIASUPDATE`無法在交易內容中執行，即不在 MULTI/EXEC 區塊內或在 LUA 或 FUNCTION 指令碼內。