View a markdown version of this page

RAG ユースケース用の AWS ベクトルデータベースの選択 - AWS 規範ガイダンス
対象者

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

RAG ユースケース用の AWS ベクトルデータベースの選択

Mayuri Shinde、Ivan Cui、Anand Bukkapatnam Tirumala、Amazon Web Services

2026 年 3 月 (ドキュメント履歴)

ベクトルデータベースは、生成 AI アプリケーションを実装する組織にとってますます重要になっています。これらのデータベースはベクトルを保存および管理します。ベクトルは、意味や関係をキャプチャする方法でテキスト、画像、その他のコンテンツを処理できるデータの数値表現です。

組織がベクトルデータベースのオプションを検討する際には AWS、さまざまなソリューションの機能、トレードオフ、ベストプラクティスを理解する必要があります。このガイドは、 で一般的に使用されるベクトルストアを比較 AWS し、特定のニーズやユースケースに最適なオプションについて情報に基づいた意思決定を行うのに役立ちます。このガイドでは、検索拡張生成 (RAG) の実装、レコメンデーションシステムの構築、その他の AI アプリケーションの開発など、ベクトルデータベースソリューションの評価と選択に役立つフレームワークを提供します。

対象者

このガイドは、以下の役割を担うユーザーを対象としています。

  • ベクトルデータベースを使用して ML モデルの高次元データを保存および取得するデータサイエンティストと機械学習 (ML) エンジニア。

  • 高次元データを保存および処理するためのベクトルデータベースを含むデータパイプラインを設計および実装するデータエンジニア。

  • ML パイプラインの一部としてベクトルデータベースを使用してモデル出力または中間表現を保存および提供する MLOps エンジニア。

  • ベクトルデータベースを類似度検索またはレコメンデーションシステムを必要とするアプリケーションに統合するソフトウェアエンジニア。

  • ベクトルデータベースを本番環境にデプロイして維持し、スケーラビリティと信頼性を確保する DevOps エンジニア。

  • ベクトルデータベースを使用して埋め込みまたは特徴ベクトルの大規模なデータセットを保存および分析する AI 研究者。

  • 製品の特徴とアーキテクチャについて情報に基づいた意思決定を行うために、ベクトルデータベースの機能と制限を理解する必要がある AI 製品マネージャー。