이미지: METAL LAB 생성
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
- 기능
- 아마존 다이나모DB 벡터 검색 정식 출시(GA)
- 지연 시간·재현율
- 단일 밀리초 지연, 99% 이상 recall
- 처리 규모
- 트릴리언 단위 벡터까지 지원
- 최대 차원 수
- 4096차원
- 지원 거리 함수
- Euclidean, Cosine, Dot product
- 검색 API
- SearchVectors, 최대 100개 결과 반환
- 호환 임베딩 모델
- Amazon Bedrock Titan Text Embeddings, Cohere Embed, OpenAI 텍스트 임베딩 모델
- 발행일
- 2026-08-05
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。
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。
待观察要点
AWS在本次发布中并未详细公开具体的收费体系或各地区的上线时间表。“无需单独的基础设施管理即可同时处理向量数据与业务数据”是其核心信息，但在实际大规模流量环境下的延迟表现与成本效益，仍是市场需要验证的部分。
