AnalyticDB PostgreSQL版的向量分析旨在帮助您实现非结构化数据的近似检索和分析，具备丰富功能和优异性能。
功能说明
向量分析实现原理是通过AI算法提取非结构化数据的特征，然后利用特征向量唯一标识非结构化数据，向量间的距离用于衡量非结构化数据之间的相似度。AnalyticDB PostgreSQL版向量检索分析基于MPP查询架构构建，帮助用户实现基于SQL接口进行非结构化数据检索，并支持同结构化数据的关联分析。
典型应用场景
通过AnalyticDB PostgreSQL版向量分析，您可以非常容易地搭建各种智能化应用。
以图搜图，即通过图片检索图片。
声纹匹配，通过音频检索音频。
基于语义的文本检索和推荐，通过文本检索近似文本。
文件去重，通过文件指纹去除重复文件。
商品图片分析，在大量图片中分析哪些图片包含了同一个商品。
向量分析作为AnalyticDB PostgreSQL版向量分析的高级特性目前已经服务阿里巴巴内外部多项业务，包括阿里巴巴数据中台，阿里巴巴电商新零售业务，阿里云城市大脑。
典型架构
图 1. 基于AnalyticDB PostgreSQL版实现非结构化数据向量分析示例
Web App把文本，图片或者视频等非结构化数据（后续简称非结构化数据）通过特征提取服务提取特征向量，然后再把特征向量写入云原生数据仓库PostgreSQL版向量分析的向量表。
Web App检索的时候首先把非结构化数据通过特征提取服务接口提取出向量，然后调用云原生数据仓库PostgreSQL版向量分析的查询分析接口做查询。
优势
云原生数据仓库AnalyticDB PostgreSQL版的向量分析特性针对非结构化数据检索分析，与普通的检索系统有较大的差异，主要体现在下面的几点：
结构化和非结构化混合分析
例如，可以检索与输入图片中的连衣裙相似度最高、价格在100元到200元之间且上架时间在最近1个月以内的产品。
支持数据实时更新
传统的向量分析系统中数据只能按照T+1更新，不支持数据实时写入。云原生数据仓库PostgreSQL版向量分析支持数据实时更新和查询。
支持向量分析碰撞
AnalyticDB PostgreSQL版向量分析支持KNN-Join，即比较一堆向量与另外一堆向量的相似度，类似于spark中的KNN-Join操作，这种场景计算量巨大，AnalyticDB PostgreSQL版针对该场景做了大量优化。
典型的应用场景有商品去重，计算新加入的商品与历史商品库中有哪些是相似的。人脸聚类，计算一段时间内的人脸库中，哪些人脸是同一个人。
易用性
AnalyticDB PostgreSQL版向量分析申请即可使用，支持标准SQL，简化开发流程。
低成本
向量数据占用空间非常大，1条512维float向量，占用2k存储空间，AnalyticDB PostgreSQL版向量支持FP32数据压缩成FP16，降低一半存储成本。
- 本页导读 （1）