VectorDBBench 开源项目教程

项目介绍

VectorDBBench 是一个开源的向量数据库性能测试工具，旨在为不同主流向量数据库和云服务提供无偏见的性能测试结果。该工具设计易于使用，即使是非专业用户也能轻松复现测试结果或测试新系统。VectorDBBench 帮助用户在众多向量数据库、云服务和开源向量数据库中做出最佳选择。

项目快速启动

环境要求

• Python >= 3.11

安装步骤

1. 仅安装 PyMilvus：

   pip install vectordb-bench
   

2. 安装所有数据库客户端：

   pip install vectordb-bench[all]
   

运行测试

1. 导航到 vectordb_bench/backend/clients/"client" 目录。
2. 在 "client" 文件夹中创建一个 cli.py 文件，例如使用 Zilliz 作为示例：

   from typing import Annotated
   from pydantic import SecretStr
   from vectordb_bench.cli import (
       CommonTypedDict, cli, click_parameter_decorators_from_typed_dict, run
   )
   from vectordb_bench.backend.clients import DB
   
   class ZillizTypedDict(CommonTypedDict):
       uri: Annotated[str, click.option("--uri", type=str, help="uri connection string", required=True)]
       user_name: Annotated[str, click.option("--user-name", type=str, help="Db username", required=True)]
       password: Annotated[SecretStr, click.option("--password", type=SecretStr, help="Db password", required=True)]
   
   @cli.command()
   @click_parameter_decorators_from_typed_dict(ZillizTypedDict)
   def zilliz(**kwargs):
       run(DB.Zilliz, **kwargs)
   

应用案例和最佳实践

案例一：性能对比测试

使用 VectorDBBench 对多个向量数据库进行性能对比测试，包括查询速度、内存使用和成本效益分析。

案例二：新系统测试

在新系统部署前，使用 VectorDBBench 进行压力测试，确保系统在高负载下仍能稳定运行。

最佳实践

• 定期使用 VectorDBBench 对现有系统进行性能测试，以监控系统性能变化。
• 在选择新的向量数据库时，使用 VectorDBBench 进行全面的性能和成本效益分析。

典型生态项目

Milvus

Milvus 是一个开源的向量数据库，广泛用于图像、视频和文本数据的相似性搜索。

Zilliz Cloud

Zilliz Cloud 是 Milvus 的云服务版本，提供更便捷的部署和管理选项。

Elastic Search

Elastic Search 是一个全文搜索和分析引擎，也支持向量搜索功能。

PgVector

PgVector 是一个 PostgreSQL 扩展，支持向量数据的存储和查询。

通过以上模块的介绍和实践，用户可以全面了解和使用 VectorDBBench 进行向量数据库的性能测试和选择。