本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 后续步骤和资源
<a name="next-steps"></a>

阅读本指南后，请考虑采取以下行动，从理解转变为实施：

1. 评估您当前的需求：
   + 评估您现有的数据库基础架构和专业知识。
   + 记录您的特定矢量搜索要求。
   + 定义您的绩效、扩展和成本目标。

1. 选择以下选项之一来测试矢量数据库选项：
   + **选项 1：**使用您首选的矢量数据库解决方案设置概念验证。
   + **选项 2：**在 Amazon Bedrock 知识库中使用示例数据集进行实验。试试 Amazon Bedrock 知识库的快速创建体验。有关示例，请参阅 Aurora 文档中的为[亚马逊 Bedrock 快速创建 Aurora PostgreSQL 知识库](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/AuroraPostgreSQL.quickcreatekb.html)。

1. 查看其他[资源](#resources)。

1. 获取专家帮助：
   + 请联系您的 AWS 账户 团队或 AWS 解决方案架构师获取实施指导。
   + [与专门从事矢量数据库的 AWS 合作伙伴合作](https://partners.amazonaws.com/)。

1. 规划您的生产部署：
   + 如果从现有数据库迁移，请制定迁移策略。
   + 为您选择的解决方案制定扩展计划。
   + 设计您的监控和维护程序。

## 资源
<a name="resources"></a>

以下资源可以帮助您选择矢量数据库。

### AWS 博客文章
<a name="blog-posts"></a>
+ [使用 Amazon Bedrock 知识库快速创建和亚马逊 Aurora Serverless 加速生成式 AI 应用程序的开发](https://aws.amazon.com/blogs/database/accelerate-your-generative-ai-application-development-with-amazon-bedrock-knowledge-bases-quick-create-and-amazon-aurora-serverless/)
+ [亚马逊 OpenSearch 服务的矢量数据库功能详解](https://aws.amazon.com/blogs/big-data/amazon-opensearch-services-vector-database-capabilities-explained/)
+ [使用 Amazon Bedrock 知识库深入研究矢量数据存储](https://aws.amazon.com/blogs/machine-learning/dive-deep-into-vector-data-stores-using-amazon-bedrock-knowledge-bases/)
+ [利用 pgvector 和 Amazon Aurora PostgreSQL 进行自然语言处理、聊天机器人和情感分析](https://aws.amazon.com/blogs/database/leverage-pgvector-and-amazon-aurora-postgresql-for-natural-language-processing-chatbots-and-sentiment-analysis/)

### AWS 服务文档
<a name="service-docs"></a>
+ [选择 AWS 数据库服务](https://docs.aws.amazon.com/decision-guides/latest/databases-on-aws-how-to-choose/databases-on-aws-how-to-choose.html)
+ [Amazon Bedrock 知识库是如何运作的](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-how-it-works.html)
+ [Neptune Analytics 文档](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/what-is-neptune-analytics.html)
+ [亚马逊 Web Services 概述：数据库](https://docs.aws.amazon.com/whitepapers/latest/aws-overview/database.html)
+ [使用 Aurora PostgreSQL 作为亚马逊 Bedrock 的知识库](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/AuroraPostgreSQL.VectorDB.html)
+ [使用 Amazon Aurora PostgreSQL](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)

### 其他 AWS 资源
<a name="other-aws-resources"></a>
+ [Amazon 基岩知识库](https://aws.amazon.com/bedrock/knowledge-bases/)
+ [矢量数据库和嵌入式](https://aws.amazon.com/solutions/databases/vector-databases-and-embeddings/)
+ [用于生成式 AI 应用的矢量数据库](https://community.aws/content/2f5dkpj96MDM6Y9lumYPjZAB8SX/vector-databases-for-generative-ai-applications)
+ [Machine Learning 中的嵌入式是什么？](https://aws.amazon.com/what-is/embeddings-in-machine-learning/)

### 其他 资源
<a name="other-resources"></a>
+ [关于 PostgreSQL](https://www.postgresql.org/about/)
+ [pgvector 文档](https://github.com/pgvector/pgvector)
+ [Pinecone 作为 Amazon Bedrock 的知识库](https://docs.pinecone.io/integrations/amazon-bedrock)
+ [Redis 企业云已开启 AWS](https://redis.io/docs/latest/integrate/aws-redis-cloud/)