Сервер для Vector Database

Каждый vector store имеет свои сильные стороны:

• Qdrant: Rust-based, отличная производительность, payload фильтры, hybrid search. Лучший выбор для большинства production задач.
• ChromaDB: Простой Python-first, идеален для прототипирования и небольших коллекций до 1M векторов.
• Milvus: Масштабируется до миллиардов векторов, distributed архитектура, GPU acceleration.
• Weaviate: GraphQL API, встроенные модули для embedding generation, knowledge graph функциональность.
• pgvector: Расширение PostgreSQL. Удобно если уже используете Postgres, ACID-транзакции.
• FAISS: Библиотека от Meta, не полноценная база данных но эталон производительности для batch search.
• LanceDB: Embedded vector store с serverless архитектурой, удобен для edge.

Anubiz Host разворачивает любой из этих движков в Docker Compose с настроенным мониторингом и резервным копированием.

Vector search - memory-intensive workload. Ключевые параметры конфигурации:

• RAM: Главный фактор. 1M векторов размерностью 1536 (OpenAI ada-002) занимают ~6GB только для индекса HNSW. 100M - 600GB.
• NVMe SSD: Для quantization on-disk и backup. Скорость random read критична для cold queries.
• CPU: Современный многоядерный процессор с AVX-512 для оптимизированных distance computations.
• GPU (опционально): Milvus и FAISS могут использовать GPU для batch search на огромных коллекциях.
• Сеть: Низкая латентность критична для real-time RAG. Anubiz Host даёт 1Gbps gigabit с latency 1-2ms внутри ДЦ.
• Квантизация: Scalar quantization снижает память в 4 раза, binary - в 32 раза, с минимальной потерей recall.

Anubiz Host рекомендует серверы с 64-256GB RAM для типичных production коллекций 10-100M векторов.

Vector embeddings содержат семантическую информацию исходных документов и требуют защиты:

• Embedding inversion: Атаки позволяют восстановить ~50% исходного текста из эмбеддинга. Embeddings - не анонимизированные данные.
• Membership inference: Атакующий может определить, был ли конкретный документ в коллекции.
• Pinecone, Cohere API: Передача embeddings cloud-провайдеру = передача семантики корпоративных документов.
• Шифрование at rest: LUKS на NVMe защищает векторы от физической компрометации сервера.
• TLS: Mutual TLS между приложением и vector store. Никакого plaintext в локальной сети.
• Access control: Qdrant поддерживает collection-level API keys и RBAC через nginx.
• Backup encryption: Резервные копии в зашифрованный S3 или local NAS с GPG.

Anubiz Host работает под no-logs политикой и обеспечивает физическую безопасность в офшорных дата-центрах Исландии и Румынии.