Vector Database
Simpele Uitleg
Een vector database slaat embeddings op en zoekt snel naar de meest vergelijkbare vectors. Essentieel voor RAG en semantic search op grote datasets.
Technische Definitie
Vector databases zijn gespecialiseerde datastores geoptimaliseerd voor approximate nearest neighbor (ANN) search in high-dimensional vector space. Ze gebruiken indexing algorithms (HNSW, IVF, LSH) om sub-linear time similarity queries uit te voeren op millions of vectors. Ondersteunen metadata filtering en hybrid search.
Waarom Dit Belangrijk Is
Traditional databases kunnen geen efficient similarity search op embeddings. Vector databases maken RAG praktisch possible op production scale. Zonder vector DB duurt similarity search op 1M documents minuten; met vector DB: milliseconden.
Use Cases
RAG Systems
Store en retrieve relevant document chunks
Recommendation Engines
Find similar products/content instantly
Tools Die Dit Gebruiken
Gerelateerde Termen
Wil je deze term in de praktijk leren toepassen?