Vector Databases
असली systems में vectors को रखना, index करना, filter करना और चलाना सीखें: SQL के साथ pgvector, Qdrant और Chroma APIs, HNSW tuning, filtered व hybrid search, sharding, replication, capacity planning, सुरक्षा और database का चुनाव, हर उदाहरण असली चलाया हुआ।
पाठ्यक्रम
Vector Database क्या है
- Vectors को Database क्यों चाहिए
- परिदृश्य: Libraries, Extensions, समर्पित Engines, Managed Services
- Data Model: Collections, Records, Payloads और Namespaces
- क्या अपेक्षा रखें: Approximate, Eventually Consistent, सामान्य Database नहीं
pgvector: PostgreSQL के भीतर Vectors
- vector Column वाली Table बनाना
- Distance Operators और ORDER BY
- WHERE से Filtering: SQL और Vectors साथ
- Transactions और Types: vector, halfvec
Practice में Indexing
- Index के बिना: सटीक Sequential Scan
- HNSW Index बनाना और Plan पढ़ना
- Recall मापना और Tune करना (ef_search)
- Index आकार, Build समय और IVFFlat
Filtered और Hybrid Search
- Filtered-Search की समस्या
- Pre-Filtering, Partial Indexes और Partitions
- Hybrid Search: Full-Text और Vectors
- समर्पित Engine में Filtering: Qdrant
अन्य Engines और उनकी तुलना कैसे करें
- Chroma: Developer-अनुकूल Embedded Store
- Engines की तुलना: व्यावहारिक Checklist
- ईमानदारी से Benchmarking
बड़े पैमाने पर संचालन
- Bulk Ingestion और Batching
- Sharding: डेटा को मशीनों में बाँटना
- Replication, Quorums और Read-Your-Writes
- क्षमता योजना: Memory ही बजट है