2023: comparación y guía para elegir una base de datos vectorial / Picking a vector database: a comparison and guide for 2023

• Un artículo comparativo y guía para elegir una Vector Database usada en aplicaciones como LLM, RAG y Semantic Search, que traduce el texto de Emil Fröberg, cofundador de Vectorview.

• Se comparan 7 Vector Databases: Pinecone, Weviate, Milvus, Qdrant, Chroma, Elasticsearch y PGvector.

• Los criterios de comparación son los siguientes.

  1. Si es open source
  2. Si permite self-hosting
  3. Si ofrece gestión en la nube
  4. Si está especializada solo en vectores
  5. Experiencia para desarrolladores y comunidad
  6. QPS (Query-per-Second) y latencia (Latency)
  7. Tipos de índices compatibles
  8. Si admite búsqueda híbrida e indexación en disco
  9. Si admite control de acceso basado en roles (RBAC)
  10. Segmentos dinámicos vs. sharding estático de datos
  11. Si ofrece un nivel gratuito de hosting y su precio

• Texto original: https://benchmark.vectorview.ai/vectordbs.html