Video
Learn more
Créez des applications intelligentes alimentées par l’IA avec Redis Enterprise.
Les utilisateurs attendent des fonctionnalités de recherche dans chaque application et site Web consulté. Pourtant, plus de 80 % des données commerciales sont des données non structurées, stockées sous forme de texte, d’images, d’audio, de vidéo ou d’autres formats.
Les organisations doivent réinventer les moyens de rendre chaque type de données détectables, notamment parce que les utilisateurs l’exigent. Des fonctions de recherche puissantes alimenteront la prochaine génération d’applications.
Une base de données vectorielle est un type de base de données qui stocke des données sous forme de vecteurs ou de représentations mathématiques de points de données. L’IA et l’apprentissage machine permettent cette transformation des données non structurées en représentations numériques (vecteurs) qui saisissent le sens et le contexte, bénéficiant des avancées dans le traitement du langage naturel et la vision par ordinateur.
La recherche de similarité vectorielle (VSS) est une fonctionnalité clé d’une base de données vectorielle. Il s’agit du processus de recherche de points de données similaires à un vecteur de requête donné dans une base de données vectorielle. Les utilisations VSS les plus populaires comprennent les systèmes de recommandation, la recherche d’images et de vidéos, le traitement du langage naturel et la détection des anomalies. Par exemple, si vous créez un système de recommandation, vous pouvez utiliser VSS pour trouver (et suggérer) des produits similaires à un produit pour lequel un utilisateur a déjà manifesté de l’intérêt. (Vous avez besoin de plus d’informations ? C’est possible.)
La correspondance et le filtrage traditionnels des mots-clés ne suffisent pas toujours. Bien sûr, les algorithmes de recherche ordinaires sont utiles pour les cas d’utilisation de texte et de document. Cependant, les résultats de recherche sont limités lorsqu’ils n’intègrent pas de sens ou de contexte. La prolifération des données non structurées a créé un énorme écart dans l’efficacité de la correspondance et du filtrage traditionnels des mots-clés. Chaque organisation qui stocke des données non textuelles, et c’est à peu près tout le monde, peut bénéficier de l’amélioration de la fonctionnalité de recherche sur les données non structurées. Mais jusqu’à récemment, seule une poignée de grandes entreprises technologiques natives du cloud disposaient de cette fonctionnalité.
Performances de recherche en temps réel
Les systèmes de recherche et de recommandation doivent être incroyablement rapides. La fonctionnalité VSS de Redis Enterprise garantit une faible latence de recherche, que la collecte de données porte sur des dizaines de milliers ou des centaines de millions d’objets, répartis sur un certain nombre de nœuds de base de données.
Tolérance intégrée aux pannes et à la résilience
Pour garantir que vos applications de recherche ne subissent jamais de temps d’arrêt, Redis Enterprise utilise une architecture de cluster à partage nul. Elle est tolérante aux pannes à tous les niveaux, avec un basculement automatisé au niveau du processus, pour les nœuds individuels et dans les zones de disponibilité de l’infrastructure. Pour garantir que vos données et vecteurs non structurés ne soient jamais perdus, Redis Enterprise inclut des mécanismes de persistance et de reprise après sinistre réglables.
Réduire la complexité architecturale et applicative
Votre organisation bénéficie probablement déjà de Redis Enterprise pour ses besoins de mise en cache. Au lieu de lancer une autre solution coûteuse à point unique, étendez votre base de données pour tirer parti de VSS dans vos applications. Les développeurs peuvent stocker des vecteurs aussi facilement que n’importe quel autre champ dans un hachage Redis ou un objet JSON.
Flexibilité sur les clouds et les zones géographiques
Choisissez l’emplacement d’exécution de vos bases de données. Redis Enterprise peut être déployé sur n’importe quelle plateforme basée sur le nuage, sur site et dans une architecture multi-cloud ou mixte.
Retrieval Augmented Generation (RAG)
Redis Enterprise offre de puissantes capacités sémantiques hybrides permettant d’infuser des données contextuelles pertinentes dans une invite avant qu’elle ne soit envoyée à un LLM et de stocker des connaissances externes spécifiques à un domaine pour améliorer la qualité des résultats.
Semantic Caching
Redis Enterprise identifie et récupère les réponses mises en cache qui sont sémantiquement suffisamment similaires à la requête d’entrée, ce qui réduit considérablement le temps de réponse et le nombre de requêtes envoyées à un LLM.
Systèmes de recommandation
Redis Enterprise aide les moteurs de recommandation à fournir des suggestions fraîches et pertinentes aux utilisateurs avec une faible latence. Il les aide à trouver des produits similaires à ceux qui plaisent à l’acheteur.
Recherche de documents
Redis Enterprise facilite la découverte et l’extraction d’informations à partir d’un large corpus de documents, en utilisant le langage naturel et la recherche sémantique.
Redis Enterprise gère les vecteurs dans une structure de données indexées pour permettre une recherche intelligente de similarité qui équilibre la vitesse et la qualité de la recherche. Choisissez parmi deux techniques populaires, FLAT (une approche par force brute) et HNSW (une approche plus rapide et approximative), en fonction de vos données et de vos cas d’utilisation.
Redis Enterprise utilise une mesure de distance pour mesurer la similarité entre deux vecteurs. Choisissez parmi trois indicateurs populaires – Euclidienne, Produit interne et Similitude cosinus – utilisés pour calculer la proximité ou l’écartement de deux vecteurs.
Profitez de la suite complète de fonctionnalités de recherche disponibles dans « Redis Enterprise query and search ». Améliorez vos flux de travail en combinant la puissance de la similarité des vecteurs avec des filtres numériques, de texte et de balise plus traditionnels. Intégrez plus de logique métier dans les requêtes et simplifiez le code d’application client.
Les systèmes de recherche et de recommandation en temps réel génèrent de grands volumes de données changeantes. Nouvelles images, nouveaux textes, produits ou nouvelles métadonnées ? Effectuez des mises à jour, des insertions et des suppressions dans l’index de recherche de manière transparente à mesure que votre jeu de données change au fil du temps. Redis Enterprise réduit les impacts coûteux des données stagnantes.
La recherche de vecteurs traditionnels est effectuée en recherchant les vecteurs « K les plus similaires ». Redis Enterprise permet également la découverte de contenu pertinent dans une plage ou un seuil de similarité prédéfini pour une alternative, et offre une expérience de recherche plus flexible.