Repolode
投稿する
epsilla-cloud

epsilla-cloud/vectordb

Epsillaは、メタデータフィルタリング、ハイブリッド検索、LLM検索連携に対応した、埋め込みベクトルの類似検索向けオープンソースC++ベクトルデータベースです。

代替できる製品:Pinecone

GitHub で見る公式サイト
スター
874
フォーク
45
未解決の Issue
17
最終コミット
18 日前

これは何？

Epsillaは、埋め込みベクトルを対象とした、スケーラブルで高性能な類似検索に特化したオープンソースのベクトルデータベースです。ベクトルを、使い慣れたデータベース、テーブル、フィールドの概念におけるもう一つのフィールド型として扱うため、開発者は埋め込みとともに構造化レコードを保存できます。

コアエンジンはC++で実装され、ベクトルインデックスには並列グラフ探索を採用しています。プロジェクトによると、精度99.9%超でHNSWより約10倍高速に検索できます。メタデータフィルタリング、密ベクトルと疎ベクトルを組み合わせるハイブリッド検索、テキストをそのまま挿入・検索できる組み込みの埋め込み機能に対応しています。

データベースはREST APIを公開するDockerコンテナとして動作し、Python、JavaScript、Rubyのクライアントが用意されています。Dockerなしで動作する実験的なPythonバインディングも提供され、LangChainやLlamaIndexと連携できます。マネージドクラウド版も利用できます。

主な機能

  • 01本番環境で使える規模の埋め込みベクトル類似検索。
  • 02通常のデータベーステーブル内で、ベクトルをフィールド型として保存。
  • 03ベクトルクエリと組み合わせたメタデータフィルタリング。
  • 04密ベクトルと疎ベクトルを組み合わせるハイブリッド検索。
  • 05自然言語をそのまま挿入・検索できる組み込みの埋め込み機能。
  • 06Python、JavaScript、RubyクライアントとREST API。

ユースケース

  • ドキュメント用のベクトルストアを必要とする検索拡張生成（RAG）パイプライン。
  • テキスト、画像など、埋め込み可能なコンテンツのセマンティック検索。
  • LLMアプリケーションへの長期記憶検索の追加。
  • 1つのデータベースで、構造化データのフィルタリングと類似検索を組み合わせる用途。

クイックスタート

  1. 1

    EpsillaのバックエンドDockerイメージをプルする

    docker pull epsilla/vectordb
  2. 2

    Dockerでバックエンドをポート8888で実行する

    docker run --pull=always -d -p 8888:8888 -v /data:/data epsilla/vectordb
  3. 3

    Pythonクライアントをインストールする

    pip install pyepsilla
  4. 4

    Pythonクライアントで接続し、READMEのサンプルコードを実行する

使う前に知っておきたいこと

  • Dockerを使わないPythonライブラリモードは実験的とされており、ソースからビルドする必要があります。

トピック

#vector-database#vector-search#embeddings#rag#semantic-search#c-plus-plus#llm#ai#chatgpt#data

よくある質問

vectordb とは？
Epsillaは、メタデータフィルタリング、ハイブリッド検索、LLM検索連携に対応した、埋め込みベクトルの類似検索向けオープンソースC++ベクトルデータベースです。 Epsillaは、埋め込みベクトルを対象とした、スケーラブルで高性能な類似検索に特化したオープンソースのベクトルデータベースです。ベクトルを、使い慣れたデータベース、テーブル、フィールドの概念におけるもう一つのフィールド型として扱うため、開発者は埋め込みとともに構造化レコードを保存できます。
vectordb は無料で使えますか？ライセンスは？
vectordb は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
vectordb は今もメンテナンスされていますか？
活発にメンテナンス中。vectordb の最終コミットは 2026年10月4日 です。
vectordb は何に使えますか？
ドキュメント用のベクトルストアを必要とする検索拡張生成（RAG）パイプライン。 テキスト、画像など、埋め込み可能なコンテンツのセマンティック検索。 LLMアプリケーションへの長期記憶検索の追加。 1つのデータベースで、構造化データのフィルタリングと類似検索を組み合わせる用途。
vectordb のインストール方法は？
EpsillaのバックエンドDockerイメージをプルする: docker pull epsilla/vectordb Dockerでバックエンドをポート8888で実行する: docker run --pull=always -d -p 8888:8888 -v /data:/data epsilla/vectordb Pythonクライアントをインストールする: pip install pyepsilla Pythonクライアントで接続し、READMEのサンプルコードを実行する
vectordb はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/epsilla-cloud/vectordb

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト