Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Nächste Schritte und Ressourcen
Nachdem Sie diesen Leitfaden gelesen haben, sollten Sie die folgenden Maßnahmen in Betracht ziehen, um vom Verständnis zur Umsetzung überzugehen:
-
Beurteilen Sie Ihre aktuellen Bedürfnisse:
-
Beurteilen Sie Ihre bestehende Datenbankinfrastruktur und Ihr Fachwissen.
-
Dokumentieren Sie Ihre spezifischen Anforderungen an die Vektorsuche.
-
Definieren Sie Ihre Leistungs-, Skalierungs- und Kostenziele.
-
-
Testen Sie die Vektor-Datenbankoptionen:
-
Richten Sie mit Ihrer bevorzugten Vektordatenbanklösung einen Machbarkeitsnachweis ein.
-
Experimentieren Sie mit Beispieldatensätzen in den Amazon Bedrock Knowledge Bases.
-
Probieren Sie die Schnellerstellung für eine Amazon Bedrock Knowledge Base aus. Ein Beispiel finden Sie unter Schnelles Erstellen einer Aurora PostgreSQL-Wissensdatenbank für Amazon Bedrock im Amazon Aurora Aurora-Benutzerhandbuch.
-
-
Holen Sie sich Expertenhilfe:
-
Wenden Sie sich an Ihr AWS-Konto Team oder Ihre AWS Solutions Architects, um Unterstützung bei der Implementierung zu erhalten.
-
Arbeiten Sie mit AWS Partnern zusammen
, die auf Vektordatenbanken spezialisiert sind.
-
-
Planen Sie Ihren Produktionseinsatz:
-
Erstellen Sie eine Migrationsstrategie, wenn Sie von bestehenden Datenbanken migrieren.
-
Entwickeln Sie einen Skalierungsplan für die von Ihnen gewählte Lösung.
-
Entwerfen Sie Ihre Überwachungs- und Wartungsverfahren.
-
Ressourcen
Die folgenden Ressourcen können Ihnen bei der Auswahl einer Vektordatenbank helfen.
AWS Blogs
Die Vektordatenbankfunktionen von Amazon OpenSearch Service erklärt
Tauchen Sie mithilfe der Amazon Bedrock Knowledge Bases tief in Vektordatenspeicher ein
AWS Servicedokumentation
Auswahl eines AWS Datenbankdienstes
So funktionieren die Amazon Bedrock-Wissensdatenbanken
Neptune Analytics-Dokumentation
Überblick über Amazon Web Services: Datenbanken
Verwendung von Aurora PostgreSQL als Wissensdatenbank für Amazon Bedrock
Arbeiten mit Amazon Aurora PostgreSQL
Andere Ressourcen AWS
Amazon Bedrock Wissensdatenbanken
Vektor-Datenbanken und Einbettungen
Vektor-Datenbanken für generative KI-Anwendungen
Was sind Einbettungen beim Machine Learning?
Sonstige Ressourcen
Pinecone als Wissensdatenbank für Amazon Bedrock
Redis Enterprise Cloud auf AWS
