DynamoDB正式支持向量搜索可处理万亿级规模

摘要

AWS正式推出了Amazon DynamoDB的原生向量搜索功能
公司表示该功能可实现单毫秒级延迟和99%以上的召回率，能够处理万亿级规模的向量数据
无需搭建单独的向量数据库和同步管道，即可通过SearchVectors API执行相似度搜索

服务概述

亚马逊云科技（AWS）宣布正式推出Amazon DynamoDB的向量搜索功能。通过本次更新，开发者无需再单独搭建向量数据库，即可在DynamoDB中同时管理已存储的业务数据与向量嵌入，并执行相似度搜索。

DynamoDB向量搜索概念图 — DynamoDB向量搜索结构 · AWS News

性能与可扩展性

根据AWS介绍，DynamoDB原生向量搜索可提供单毫秒级延迟，召回率（recall）达99%以上。该功能被设计为可处理万亿级规模的向量，且无需服务器配置、补丁或维护工作。公司表示，向量索引没有存储容量限制，会随着数据量增长而水平扩展。

项目	数值
延迟	单毫秒级
召回率	99%以上
最大维度数	4096
距离函数	欧氏距离（Euclidean）、余弦相似度（Cosine）、点积（Dot product）
处理规模	万亿级向量
结果返回数	最多100条

与现有方式的差异

以往，若要在使用DynamoDB的应用中添加向量搜索功能,需要将数据复制到单独的专用向量数据库中，并维持两个服务之间的同步管道。AWS表示，这一过程会带来运维负担、数据迁移成本、许可成本，以及在大规模环境中维持可预测低延迟的难题。如今向量搜索被内置于DynamoDB中，向量数据与业务数据共享同一套无服务器基础设施和按请求计费（pay-per-request）模式。

工作原理

新的索引类型建立在存储向量嵌入的属性（attribute）之上。开发者可使用Amazon Bedrock Titan Text Embeddings、Cohere Embed、OpenAI文本嵌入模型等任意模型生成嵌入向量，然后通过标准的PutItem调用，将其以浮点数列表的形式存入表中。接着在该属性上创建向量索引，并指定维度数、距离函数，以及用于缩小搜索结果范围的非向量属性作为过滤条件即可。

搜索通过SearchVectors API执行。指定查询向量、需要返回的结果数量（最多100条）以及可选的过滤条件后，系统会按相似度排序返回结果。该向量搜索最多支持4096维，提供欧氏距离（Euclidean）、余弦相似度（Cosine）、点积（Dot product）三种距离函数，并支持内联过滤。

应用场景与使用方法

AWS表示，该功能可用于构建需要语义搜索的应用，例如智能体记忆（agentic memory）、检索增强生成（RAG）、推荐引擎、个性化体验、异常检测等。在公司公开的演示案例中，以一家在线体育用品商店的商品目录表为例。该表原有productId、category、description、marketplace、name、price等属性，演示展示了通过UpdateItem调用新增一个名为descriptionEmbedding的属性，从而实现基于自然语言的语义搜索的过程。

云数据库与检索增强生成功能相融合的趋势也在其他厂商中延续，相关基础设施竞争动态可参见METAL LAB的云基础设施报道。