中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
從零構建向量數據庫 版權信息
- ISBN：9787115649782
- 條形碼：9787115649782 ; 978-7-115-64978-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
從零構建向量數據庫 本書特色
1.【實操】涉及技術原理、實現細節和實踐應用，涵蓋向量數據庫的方方面面
2.【生動】10次版本迭代/10000行代碼；27張表/41幅圖/22個思維導圖輕松學
3.【專業】作者羅云是騰訊云向量數據庫負責人，帶領團隊積累了豐富的一線經驗
4.【熱門】自制成功立馬投入實踐，帶大家結合RAG實現個人知識庫等大模型應用
5.【簡單】附贈隨書代碼，隨學隨查——原來，構建向量數據庫如此簡單！
從零構建向量數據庫 內容簡介
這是一本需要“動手實踐”的圖書，通過帶領大家從零構建一款分布式向量數據庫，讓大家透徹理解向量數據庫的技術原理和實現細節。
本書共分為三大部分，內容由淺入深、循序漸進。“**部分 認識向量數據庫”（第1～3章）是基礎篇，介紹向量數據庫的基礎知識，涵蓋向量及數據庫的基本概念、向量數據庫的發展歷程和核心功能。“第二部分 構建向量數據庫”（第4～6章）是核心篇，詳細介紹如何從零開始構建并優化向量數據庫，巨細靡遺地展示數據庫內核的技術實現細節并輔以代碼示例、技術架構圖等，旨在讓大家真正實現動手寫向量數據庫。“第三部分 向量數據庫的實踐與展望”（第7～8章）是結束篇，通過實踐案例展示向量數據庫在AI應用中的使用方法，并嘗試勾勒向量數據庫的未來。
本書面向數據庫開發人員、數據庫管理員、數據庫架構師等數據庫從業人員，AI從業者，及其他對向量數據庫感興趣的讀者。
從零構建向量數據庫 目錄
第 一部分 認識向量數據庫
第 1章 向量數據庫基礎 2
1.1 向量 2
1.1.1 什么是向量 2
1.1.2 萬物皆可向量 4
1.1.3 向量間的相似度 6
1.1.4 相似度應用案例 8
1.2 數據庫 11
1.2.1 什么是數據庫 11
1.2.2 關系型數據庫 13
1.2.3 非關系型數據庫 14
1.2.4 傳統數據庫的限制 15
1.3 為什么需要向量數據庫 16
1.3.1 向量數據和傳統數據的差異 16
1.3.2 向量數據庫應運而生 17
1.3.3 大模型時代的智能存儲平臺 18
1.4 小結 19
第 2章 向量數據庫極簡史 21
2.1 孕育期（1980—2012） 21
2.1.1 深度神經網絡的飛速發展 22
2.1.2 深度神經網絡vs向量數據庫 23
2.2 誕生期（2012—2017） 24
2.3 成長期（2017年至今） 25
2.3.1 行業發展簡況 26
2.3.2 代表性產品能力對比 27
2.3.3 代表性產品技術架構 28
2.4 小結 32
第3章 向量數據庫的核心能力 33
3.1 基礎能力 33
3.1.1 邏輯層次 34
3.1.2 索引 39
3.1.3 關鍵指標 42
3.2 高階能力 43
3.2.1 動態schema 43
3.2.2 別名機制 44
3.2.3 向量化 45
3.2.4 混合查詢 46
3.3 小結 47
第二部分 構建向量數據庫
第4章 實現單機向量數據庫 50
4.1 實現向量數據索引 50
4.1.1 FAISS核心功能 51
4.1.2 實現扁平索引 56
初始版本v0.0.1 62
4.1.3 HNSWLib核心功能 63
4.1.4 實現HNSW索引 70
版本迭代v0.0.2 73
4.2 實現混合數據索引 74
4.2.1 實現標量數據索引 74
4.2.2 統一管理入口 76
版本升級v0.1 79
4.2.3 實現過濾索引 80
版本迭代v0.1.1 86
4.3 實現系統異常恢復 87
4.3.1 數據日志持久化 87
版本迭代v0.1.2 91
4.3.2 數據快照持久化 92
版本升級v0.2 97
4.4 小結 97
第5 章 實現分布式向量數據庫 99
5.1 集群數據管理 100
5.1.1 認識NuRaft 102
5.1.2 建立主從關系 106
5.1.3 實現數據復制 110
版本升級v0.3 113
5.2 集群流量管理 113
5.2.1 集群的元數據管理 114
5.2.2 統一的流量入口 117
5.2.3 讀寫分離 121
5.2.4 保證讀寫一致性 122
版本升級v0.4 123
5.3 集群異常管理 123
5.3.1 發現新主節點 123
5.3.2 發現故障從節點 125
5.3.3 實現故障切換 127
版本升級v0.5 128
5.4 集群的分片 130
5.4.1 配置集群的分片策略 130
5.4.2 根據分片策略轉發請求 132
版本升級v0.6 139
5.5 小結 140
第6 章 優化向量數據庫 142
6.1 性能優化 143
6.1.1 利用指令集優化向量計算 143
6.1.2 優化查詢算法 144
6.1.3 優化通信協議 147
6.1.4 自定義基準測試工具 149
6.2 成本優化 154
6.2.1 多模塊混合部署 155
6.2.2 單節點部署 158
6.3 易用性優化 160
6.3.1 SDK 160
6.3.2 訪問鑒權 162
6.3.3 數據備份 169
6.4 小結 172
第三部分 向量數據庫的實踐與展望
第7 章 向量數據庫實踐案例 176
7.1 搭建圖片查詢系統 176
7.1.1 圖片向量化 176
7.1.2 圖片上傳和查詢 179
7.1.3 系統效果一覽 181
7.2 搭建個人知識庫 182
7.2.1 知識預處理 182
7.2.2 知識向量化 183
7.2.3 知識庫管理 184
7.2.4 知識問答 185
7.2.5 系統效果一覽 186
7.3 小結 187
第8 章 展望 189
8.1 從行業演進視角看 190
8.1.1 人類調度數據新范式 190
8.1.2 向量數據抹平數據格式差異 192
8.1.3 向量數據庫平臺化的關鍵 193
8.2 從行業應用視角看 194
8.2.1 RAG 簡介 195
8.2.2 降低RAG 使用門檻 196
8.3 小結 197
第 1章 向量數據庫基礎 2
1.1 向量 2
1.1.1 什么是向量 2
1.1.2 萬物皆可向量 4
1.1.3 向量間的相似度 6
1.1.4 相似度應用案例 8
1.2 數據庫 11
1.2.1 什么是數據庫 11
1.2.2 關系型數據庫 13
1.2.3 非關系型數據庫 14
1.2.4 傳統數據庫的限制 15
1.3 為什么需要向量數據庫 16
1.3.1 向量數據和傳統數據的差異 16
1.3.2 向量數據庫應運而生 17
1.3.3 大模型時代的智能存儲平臺 18
1.4 小結 19
第 2章 向量數據庫極簡史 21
2.1 孕育期（1980—2012） 21
2.1.1 深度神經網絡的飛速發展 22
2.1.2 深度神經網絡vs向量數據庫 23
2.2 誕生期（2012—2017） 24
2.3 成長期（2017年至今） 25
2.3.1 行業發展簡況 26
2.3.2 代表性產品能力對比 27
2.3.3 代表性產品技術架構 28
2.4 小結 32
第3章 向量數據庫的核心能力 33
3.1 基礎能力 33
3.1.1 邏輯層次 34
3.1.2 索引 39
3.1.3 關鍵指標 42
3.2 高階能力 43
3.2.1 動態schema 43
3.2.2 別名機制 44
3.2.3 向量化 45
3.2.4 混合查詢 46
3.3 小結 47
第二部分 構建向量數據庫
第4章 實現單機向量數據庫 50
4.1 實現向量數據索引 50
4.1.1 FAISS核心功能 51
4.1.2 實現扁平索引 56
初始版本v0.0.1 62
4.1.3 HNSWLib核心功能 63
4.1.4 實現HNSW索引 70
版本迭代v0.0.2 73
4.2 實現混合數據索引 74
4.2.1 實現標量數據索引 74
4.2.2 統一管理入口 76
版本升級v0.1 79
4.2.3 實現過濾索引 80
版本迭代v0.1.1 86
4.3 實現系統異常恢復 87
4.3.1 數據日志持久化 87
版本迭代v0.1.2 91
4.3.2 數據快照持久化 92
版本升級v0.2 97
4.4 小結 97
第5 章 實現分布式向量數據庫 99
5.1 集群數據管理 100
5.1.1 認識NuRaft 102
5.1.2 建立主從關系 106
5.1.3 實現數據復制 110
版本升級v0.3 113
5.2 集群流量管理 113
5.2.1 集群的元數據管理 114
5.2.2 統一的流量入口 117
5.2.3 讀寫分離 121
5.2.4 保證讀寫一致性 122
版本升級v0.4 123
5.3 集群異常管理 123
5.3.1 發現新主節點 123
5.3.2 發現故障從節點 125
5.3.3 實現故障切換 127
版本升級v0.5 128
5.4 集群的分片 130
5.4.1 配置集群的分片策略 130
5.4.2 根據分片策略轉發請求 132
版本升級v0.6 139
5.5 小結 140
第6 章 優化向量數據庫 142
6.1 性能優化 143
6.1.1 利用指令集優化向量計算 143
6.1.2 優化查詢算法 144
6.1.3 優化通信協議 147
6.1.4 自定義基準測試工具 149
6.2 成本優化 154
6.2.1 多模塊混合部署 155
6.2.2 單節點部署 158
6.3 易用性優化 160
6.3.1 SDK 160
6.3.2 訪問鑒權 162
6.3.3 數據備份 169
6.4 小結 172
第三部分 向量數據庫的實踐與展望
第7 章 向量數據庫實踐案例 176
7.1 搭建圖片查詢系統 176
7.1.1 圖片向量化 176
7.1.2 圖片上傳和查詢 179
7.1.3 系統效果一覽 181
7.2 搭建個人知識庫 182
7.2.1 知識預處理 182
7.2.2 知識向量化 183
7.2.3 知識庫管理 184
7.2.4 知識問答 185
7.2.5 系統效果一覽 186
7.3 小結 187
第8 章 展望 189
8.1 從行業演進視角看 190
8.1.1 人類調度數據新范式 190
8.1.2 向量數據抹平數據格式差異 192
8.1.3 向量數據庫平臺化的關鍵 193
8.2 從行業應用視角看 194
8.2.1 RAG 簡介 195
8.2.2 降低RAG 使用門檻 196
8.3 小結 197
展開全部
從零構建向量數據庫 相關資料
王江舟|劉穎|李國良|杜小勇|劉知遠|王昊奮|蓋國強|楊成虎 聯袂推薦
本書是羅云及其團隊在AI領域探索的智慧結晶。它不僅深入揭示了向量數據庫的工作原理，更提供了豐富的場景案例和實踐啟發。無論是AI技術的探索者，還是AI應用的創新者，都能從這本書中獲得寶貴的靈感和指導。?
——王江舟，中國工程院外籍院士
羅云是云計算行業早期的從業者和資深專家，在數據庫、網絡和分布式系統方面具有豐富的經驗。本書從實踐出發，深入淺出地講解了如何打造高性能向量數據庫，推薦大家閱讀。
——劉穎，騰訊云
從零構建向量數據庫 作者簡介
羅云 騰訊云數據庫副總經理、騰訊云創始團隊成員、中國通信標準化協會大數據技術標準推進委員會（CCSA TC601）數據庫與存儲工作組副組長。 十余年云計算產品技術專家，在復雜分布式系統的建設和管理上實踐多年并積累了豐富的經驗，擅長將數據治理技術（采集、加工、存儲、檢索）和AI結合，在AI時代更好地發揮數據的價值。 領導多個平臺或產品完成從0到1的上線與商業化運營，達到國內領先水平，其中包括： 1. 一站式 Serverless開發平臺（小程序云開發） 2. TencentDB for Redis/MongoDB/KeeWiDB、Tencent Cloud VectorDB等數據庫產品 3. 騰訊云數據傳輸服務（DTS）、數據庫智能管家（DBbrain）等多款數據采集和智能化應用平臺
書友推薦
- >
我與地壇
- >
煙與鏡
- >
月亮與六便士
- >
我從未如此眷戀人間
- >
【精裝繪本】畫給孩子的中國神話
- >
伊索寓言-世界文學名著典藏-全譯本
- >
推拿
- >
中國歷史的瞬間
本類暢銷
