Explanation:
* 200ミリ秒のセマンティック検索レイテンシ要件を満たす：コンピューティングvCoreを増やす。
* 高次元pgvectorインデックスの常駐環境を最適化する：メモリ割り当てを増やす。
* トランザクションベースの埋め込みの継続的な取り込みをサポートする：ストレージの自動スケーリングを有効にする。
200ミリ秒未満の厳密なベクトル検索レイテンシを目標とする場合、計算用vCore数を増やすことが適切な選択肢です。
ベクトル類似性演算は計算負荷が高く、CPU容量を増やすことで数学的スループットと並列クエリ実行が向上します。Microsoftのpgvectorに関するガイダンスでは、ベクトルワークロードを最適化する際に、クエリプランの最適化、HNSWなどのANNインデックス、および十分な計算リソースの確保を推奨しています。
高次元の pgvector インデックスの常駐性を確保するには、メモリ割り当てを増やしてください。HNSW は優れたクエリ性能を発揮しますが、IVFFlat よりも多くのメモリを消費します。頻繁にアクセスされるベクターインデックス構造をメモリに保持することで、ディスクアクセスを最小限に抑え、レイテンシを大幅に改善できます。Microsoft は、HNSW はより多くのメモリを必要とする一方で、速度とリコールのトレードオフにおいて優れていることを明記しています。
数百万件の埋め込みデータを継続的に取り込むには、ストレージの自動スケーリングを有効にしてください。Azure Database for PostgreSQL Flexible Server は、容量が設定されたしきい値に近づくと割り当て済みストレージを自動的に増やし、データ量の増加に伴うストレージ不足を回避します。Microsoft は、ストレージ需要が動的に増加するワークロードに対して、ストレージの自動拡張を推奨しています。
max_connections を増やしても、ベクトル計算やインデックスの常駐性は直接的に改善されません。リードレプリカは主にリードをスケーリングし、バックアップ保持は取り込み容量には対応していません。
学習ガイドの参照: Azure Database for PostgreSQL Flexible Server # pgvector パフォーマンス最適化、コンピューティングとメモリのサイジング、HNSW インデックス作成、ストレージの自動拡張。