Tarantool против Qdrant и pgvector: честный эксперимент на 1,18 млн векторов
<img src="https://habrastorage.org/getpro/habr/upload_files/2ba/3cf/12b/2ba3cf12b114561b83d1b85448cc060a.jpg" /><p>Многие СУБД сегодня поддерживают поиск ближайших соседей, нужный для рекомендательных систем и антифрода. Но на практике системы даже с одинаковым алгоритмом «под капотом» могут решать эту задачу с разной эффективностью: пропускная способность (QPS) и задержки могут сильно различаться из-за накладных расходов движка хранения и модели блокировок. И для бизнеса эта разница может обернуться лишними затратами на инфраструктуру или деградацией UX в пиковые часы. Поэтому к этим параметрам нередко предъявляются особые требования. </p><p>Привет, Хабр. Меня зовут Георгий Белянин. В статье я разберу архитектуру векторного поиска в <a href="https://www.tarantool.io/">Tarantool</a> и приведу результаты сравнения скорости вставки и запросов с Qdrant и pgvector.</p> <a href="https://habr.com/ru/articles/1080978/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1080978#habracut">Читать далее</a>