pgvector

PostgreSQL 的开源向量相似度检索扩展

向量数据库 RAG 系统 AI 开发免费开源

访问官网 GitHub 文档

核心功能

pgvector 是 PostgreSQL 的向量扩展，为关系库新增 vector 类型与多种距离运算符，支持精确检索与 HNSW、IVFFlat 近似索引，可在现有数据库上直接做向量检索。

功能亮点

向量类型

支持 vector、halfvec、sparsevec 与 bit 多种向量类型

距离运算符

提供 <->、<#>、<=>、<+>、<~>、<%> 距离计算

近似索引

HNSW 与 IVFFlat 两种索引平衡召回、速度与内存占用

同表检索

向量与业务数据同表存储，用一条 SQL 即可做相似度排序

适用场景

• 在现有 PostgreSQL 业务库中直接做文档向量检索，支撑 RAG。
• 用向量列存储商品或文章嵌入，实现语义搜索与推荐。
• 复用既有 PG 备援与运维，低成本接入 AI 相似度能力。

安装配置

bash

源码编译（支持 Postgres 13+）：
cd /tmp
git clone --branch v0.8.6 https://github.com/pgvector/pgvector.git
cd pgvector
make
make install   # 可能需要 sudo

容器镜像：
docker pull pgvector/pgvector:pg18

包管理：
brew install pgvector
sudo apt install postgresql-18-pgvector
sudo yum install pgvector_18

启用扩展：
CREATE EXTENSION vector;

使用方法

bash

创建表与向量列（3 维）：
CREATE TABLE items (id bigserial PRIMARY KEY, embedding vector(3));

写入向量：
INSERT INTO items (embedding) VALUES ('[1,2,3]'), ('[4,5,6]');

按 L2 距离取最近邻：
SELECT * FROM items ORDER BY embedding <-> '[3,1,2]' LIMIT 5;

建 HNSW 索引（余弦）：
CREATE INDEX ON items USING hnsw (embedding vector_cosine_ops);

关键指标

尚未核验对标产品，此处只列本工具自身指标，不做对比结论。

指标pgvector

价格免费

开源是

上手难度入门

优点

作为扩展部署，无需引入独立向量数据库，运维成本低。
向量与业务数据同表，可用 SQL 与事务统一查询。
支持 HNSW 与 IVFFlat，兼顾召回率与查询性能。
开源且遵循 PostgreSQL License，可自由部署。

缺点

vector 类型的 HNSW/IVFFlat 索引最多支持 2000 维。
IVFFlat 建索引前需先写入数据并选定训练样本数。
HNSW 默认 ef_search 为 40，召回不足时需手动调大。
NULL 向量不会被索引，查询时需自行过滤空值。