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。
# 次のステップとリソース
このガイドを確認したら、理解から実装に移行するために以下のアクションを検討してください。
1. 現在のニーズを評価します。
+ 既存のデータベースインフラストラクチャと専門知識を評価します。
+ 特定のベクトル検索要件を文書化します。
+ パフォーマンス、スケーリング、コスト目標を定義します。
1. ベクトルデータベースオプションをテストするには、次のいずれかのオプションを選択します。
+ **オプション 1:** 任意のベクトルデータベースソリューションを使用して概念実証を設定します。
+ **オプション 2: **Amazon Bedrock ナレッジベースでサンプルデータセットを試す。Amazon Bedrock ナレッジベースのクイック作成エクスペリエンスをお試しください。例については、[Aurora ドキュメントの「Amazon Bedrock 用の Aurora PostgreSQL ナレッジベースのクイック作成](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/AuroraPostgreSQL.quickcreatekb.html)」を参照してください。
1. 追加の[リソース](#resources)を確認します。
1. エキスパートのサポートを受ける:
+ 実装ガイダンスについては、 AWS アカウント チームまたは AWS ソリューションアーキテクトにお問い合わせください。
+ ベクトルデータベースを専門とする [AWS パートナーと連携](https://partners.amazonaws.com/)します。
1. 本番稼働用デプロイを計画します。
+ 既存のデータベースから移行する場合は、移行戦略を作成します。
+ 選択したソリューションのスケーリングプランを作成します。
+ モニタリングおよびメンテナンス手順を設計します。
## リソース
以下のリソースは、ベクトルデータベースの選択に役立ちます。
### AWS ブログ投稿
+ [Amazon Bedrock ナレッジベースのクイック作成と Amazon Aurora Serverless を使用して生成 AI アプリケーション開発を加速する](https://aws.amazon.com/blogs/database/accelerate-your-generative-ai-application-development-with-amazon-bedrock-knowledge-bases-quick-create-and-amazon-aurora-serverless/)
+ [Amazon OpenSearch Service のベクトルデータベース機能の説明](https://aws.amazon.com/blogs/big-data/amazon-opensearch-services-vector-database-capabilities-explained/)
+ [Amazon Bedrock ナレッジベースを使用してベクトルデータストアを詳しく調べる](https://aws.amazon.com/blogs/machine-learning/dive-deep-into-vector-data-stores-using-amazon-bedrock-knowledge-bases/)
+ [pgvector と Amazon Aurora PostgreSQL を活用して自然言語処理、チャットボット、感情分析を行う](https://aws.amazon.com/blogs/database/leverage-pgvector-and-amazon-aurora-postgresql-for-natural-language-processing-chatbots-and-sentiment-analysis/)
### AWS サービスドキュメント
+ [AWS データベースサービスの選択](https://docs.aws.amazon.com/decision-guides/latest/databases-on-aws-how-to-choose/databases-on-aws-how-to-choose.html)
+ [Amazon Bedrock ナレッジベースの仕組み](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-how-it-works.html)
+ [Neptune Analytics ドキュメント](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/what-is-neptune-analytics.html)
+ [アマゾン ウェブ サービスの概要: データベース](https://docs.aws.amazon.com/whitepapers/latest/aws-overview/database.html)
+ [Amazon Bedrock のナレッジベースとしての Aurora PostgreSQL の使用](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/AuroraPostgreSQL.VectorDB.html)
+ [Amazon Aurora PostgreSQL の操作](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/Aurora.AuroraPostgreSQL.html)
+ [ Amazon DocumentDB](https://docs.aws.amazon.com/documentdb/latest/developerguide/vector-search.html)
+ [Amazon MemoryDB](https://docs.aws.amazon.com/memorydb/latest/devguide/vector-search.html)
+ [Amazon S3 Vectors](https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-vectors.html)
### その他の AWS リソース
+ [Amazon Bedrock ナレッジベース](https://aws.amazon.com/bedrock/knowledge-bases/)
+ [ベクトルデータベースと埋め込み](https://aws.amazon.com/solutions/databases/vector-databases-and-embeddings/)
+ [生成 AI アプリケーション用のベクトルデータベース](https://community.aws/content/2f5dkpj96MDM6Y9lumYPjZAB8SX/vector-databases-for-generative-ai-applications)
+ [Machine Learningの埋め込みとは](https://aws.amazon.com/what-is/embeddings-in-machine-learning/)
### その他のリソース
+ [PostgreSQL について](https://www.postgresql.org/about/)
+ [pgvector ドキュメント](https://github.com/pgvector/pgvector)
+ [Amazon Bedrock のナレッジベースとしての Pinecone](https://docs.pinecone.io/integrations/amazon-bedrock)
+ [での Redis Enterprise Cloud AWS](https://redis.io/docs/latest/integrate/aws-redis-cloud/)