تقارن هذه المقالة الخيارات الأربعة بشأن ما يظل مستقرًا بمرور الوقت: نموذج النشر ومكان البيانات وإمكانيات البحث. نحن لا نعيد نشر معايير التسعير أو زمن الوصول لـ Pinecone أو Weaviate أو Qdrant. تتغير هذه الأرقام بسرعة كبيرة بحيث لا يمكن الاعتماد عليها دون التحقق من تاريخها، ولم يغطيها البحث الذي تم إجراؤه لهذه المقالة. للحصول على نظرة عامة على عمود الذكاء الاصطناعي الأصلي Aurabase (NL2SQL, RAG, الوكلاء)، راجع صفحة الذكاء الاصطناعي الأصلي.
- pgvector هو امتداد Postgres، وليس قاعدة منفصلة: تظل المتجهات مرتبطة ببياناتك العلائقية، مع تطبيق RLS مباشرة على أعمدة المتجهات.
- Pinecone هي خدمة سحابية خاصة ومغلقة مع عدم وجود خيار استضافة ذاتية عامة. عمليات البنية التحتية صفر، مقابل القفل الكامل لتنسيق البيانات الخاص به.
- Weaviate وQdrant هما قاعدتا بيانات متجهتان مخصصتان مفتوحتان المصدر، مستضافتان ذاتيًا أو متاحتان في سحابة مُدارة. Weaviate يسلط الضوء على أبحاث BM25 الهجينة + ناقلات الأمراض الأصلية؛ Qdrant يسلط الضوء على تصفية الحمولة وكمية الذاكرة.
- يقوم Aurabase بتضمين pgvector 0.8.6 في صورة Postgres لكل مشروع ويستخدمها لوظيفة RAG الأصلية (الاستيعاب والتضمين وفهرس HNSW)، والتي تم التحقق منها بالكود اعتبارًا من 23 أغسطس 2026.
- لا يوجد فائز عالمي: يعتمد الاختيار الصحيح على طوبولوجيا بياناتك، وليس على التصنيف المطلق للأداء.
أربعة بنيات، وليس ترتيب رباعي
pgvector و Pinecone و Weaviate و Qdrant جميعها تخدم نفس الوظيفة، حيث تبحث عن أقرب المتجهات للاستعلام، مع بنيات غير متوافقة فيما بينها. يقارن الجدول أدناه ما يظل صحيحًا بمرور الوقت: نموذج النشر وموقع البيانات وإمكانيات البحث. الأسعار وأرقام الإصدارات الدقيقة لـ Pinecone و Weaviate و Qdrant غائبة عمدًا: تحقق منها على المواقع الرسمية قبل اتخاذ أي قرار شراء.
| المعيار | pgvector | Pinecone | Weaviate | Qdrant |
|---|---|---|---|---|
| اكتب | امتداد Postgres، وليس قاعدة منفصلة | قاعدة بيانات المتجهات الخاصة، خدمة مغلقة | قاعدة ناقلات مخصصة، مفتوحة المصدر | قاعدة ناقلات مخصصة، مفتوحة المصدر |
| حيث تعيش البيانات الخاصة بك | في Postgres، مع بقية المخطط العلائقي | خارج قاعدتك الرئيسية، في الفهرس Pinecone | خارج قاعدتك الرئيسية، في مجموعة Weaviate | خارج قاعدتك الرئيسية، في مجموعة Qdrant |
| النشر | مضمن في مجموعة Postgres موجودة | السحابة المُدارة فقط، لا يوجد خيار استضافة ذاتية عامة | السحابة ذاتية الاستضافة أو المُدارة (Weaviate Cloud) | السحابة ذاتية الاستضافة أو المُدارة (Qdrant Cloud) |
| كلمة رئيسية هجينة + بحث متجه | نعم، عبر SQL القياسي: tsvector، والانضمامات والمرشحات العلائقية المدمجة مع المتجهات | التصفية حسب البيانات الوصفية؛ لا يوجد اندماج BM25 أصلي موثق | نعم، ناقل الاندماج + BM25 الأصلي، الميزة الرئيسية للمنتج | تصفية غنية حسب الحمولة؛ لا يوجد اندماج BM25 أصلي بشكل افتراضي |
| عزل متعدد المستأجرين | المعيار Postgres RLS، على مستوى الصف، ينطبق مباشرة على أعمدة المتجهات | العزل حسب الفهرس أو مساحة الاسم من جانب الخدمة | العزل عن طريق التجميع من ناحية الخدمة | العزل عن طريق التجميع من ناحية الخدمة |
| فهرس البحث غامض | IVFFlat وHNSW، اختيارك | فهرس الملكية، تفاصيل التنفيذ لم تنشر بالتفصيل | HNSW | HNSW، مع تكميم عددي أو ثنائي اختياري |
رسم تخطيطي مفاهيمي للطوبولوجيا المحتملة. فهو لا يقوم بتشفير أي بيانات مشفرة، فقط بنية النشر.
العنصر الذي تم التحقق منه في كود Aurabase: إصدار pgvector المضمن في صورة Postgres لكل مشروع هو 0.8.6. يتم تسليمه بواسطة الصورة القياسية CNPG، ولم تتم إضافتها على وجه التحديد بواسطة Aurabase. تمت الإشارة إلى هذه الحقيقة في ملف Dockerfile الخاص بالمستودع، في 23 أغسطس 2026. ويؤكد مستودع pgvector الرسمي أيضًا الحد الأقصى للبعد وهو 16000 لكل متجه. وهذا أعلى بكثير من فئات الأبعاد الثلاثة (768، 1536، 3072) التي يستخدمها خط أنابيب RAG الأصلي لـ Aurabase. خط الأنابيب هذا عبارة عن إضافة تطبيق خاص بـ Aurabase، مبني على pgvector.
بحث المتجهات دون مغادرة Postgres
يضيف pgvector نوع العمود vector(n) وعوامل المسافة (<=> جيب التمام، <-> الإقليدية، <#> المنتج النقطي) إلى قاعدة Postgres عادية. تشترك المتجهات الخاصة بك في نفس الجدول ونفس المعاملة ونفس القيود مثل بقية مخططك: لا يوجد شيء يمكن مزامنته مع نظام خارجي.
للبحث الغامض، يقدم pgvector نوعين من الفهارس للاختيار من بينها. يقوم IVFFlat بتقسيم مساحة المتجه إلى قوائم عن طريق التجميع والبحث فقط في القوائم الأقرب إلى الاستعلام. بنيتها أخف، ولكن يجب عليك اختيار عدد من القوائم التي تتكيف مع حجم البيانات. HNSW ينشئ رسمًا بيانيًا مجاورًا متعدد المستويات، بدون خطوة تدريب مسبقة، على حساب إنشاء أكثر استهلاكًا للذاكرة. للحصول على تفاصيل حول معلمات الضبط (m, ef_construction)، راجع دليل المخصص لمؤشر HNSW.
-- عمود الامتداد والمتجه (البُعد 1536، على سبيل المثال، تضمين النص-3-صغير)
CREATE EXTENSION IF NOT EXISTS vector;
ALTER TABLE documents ADD COLUMN embedding vector(1536);
-- HNSW فهرس للبحث الغامض
CREATE INDEX ON documents USING hnsw (embedding vector_cosine_ops);
-- تم ربط بحث المتجهات بجدول علائقي، تمت تصفيته بواسطة RLS
SELECT d.id, d.content
FROM documents d
JOIN projects p ON p.id = d.project_id
WHERE p.owner_id = auth.uid()
ORDER BY d.embedding <=> $1
LIMIT 5;
السطر الأخير هو نقطة الهيكلة: تنطبق جملة WHERE p.owner_id = auth.uid() على البحث المتجه تمامًا كما تنطبق على أي استعلام آخر. لا توجد قاعدة بيانات متجهة مخصصة تعيد إنتاج هذا السلوك محليًا، نظرًا لأن سياسات RLS الخاصة بك موجودة في Postgres، وليس في خدمة تابعة لجهة خارجية. لإنشاء خط أنابيب RAG كامل بناءً على ذلك، راجع البرنامج التعليمي لخط أنابيب RAG مع pgvector.
الخدمة المدارة المغلقة، مع عدم وجود خيار الاستضافة الذاتية
Pinecone هي قاعدة متجهة يتم تقديمها حصريًا كخدمة سحابية خاصة. لا يوجد إصدار عام مستضاف ذاتيًا: فالناقلات الخاصة بك تعيش في البنية التحتية لـ Pinecone، وليس في البنية التحتية الخاصة بك. وهذا خيار معماري يفترضه الناشر، وليس قيدًا مؤقتًا.
التسوية مباشرة. لا توجد عمليات بنية أساسية متجهة للإدارة: لا توجد مجموعة ذات حجم محدد، ولا توجد فهارس لتشغيلها بنفسك. في المقابل، غالبًا ما تظهر تكاليف مخفية بعد وقوعها. أولاً، خط أنابيب المزامنة لإنشاء وصيانة بين قاعدة البيانات الرئيسية والفهرس Pinecone، مع منطق التناسق الخاص به في حالة الفشل الجزئي. بعد ذلك، تنسيق خاص وواجهة برمجة التطبيقات: الترحيل من Pinecone يعني إعادة تصدير المتجهات بالكامل وإعادة بناء التكامل في مكان آخر.
لا تذكر هذه المقالة أي أسعار أو حدود للحصص أو تفاصيل تنفيذ محددة لـ Pinecone. لم يتضمن البحث الذي تم إجراؤه لهذه الصفحة التحقق الجديد من هذه المعلومات، والتي تتغير بشكل متكرر. راجع وثائق Pinecone الرسمية قبل اتخاذ أي قرارات إنتاج.
قاعدة بيانات مخصصة مفتوحة المصدر مع بحث مختلط أصلي
Weaviate هي قاعدة بيانات متجهة مخصصة ومفتوحة المصدر وذاتية الاستضافة، وهي متاحة أيضًا كعرض سحابي مُدار (Weaviate Cloud) لأولئك الذين يفضلون عدم تشغيلها بأنفسهم. الميزة الأكثر تسليط الضوء عليها من قبل الناشر هي البحث المختلط الأصلي. فهو يدمج، في تصنيف واحد للنتائج، درجة تشابه المتجهات ودرجة مطابقة الكلمات الرئيسية من النوع BM25.
بشكل ملموس، يتجنب هذا كتابة منطق الاندماج بين البحث الدلالي والبحث عن الكلمات الرئيسية بنفسك، وهي خطوة تتركها الأساليب الأخرى للتطبيق. يقدم Weaviate أيضًا نظامًا من الوحدات لتوصيل موفري التضمين الخارجيين مباشرةً في وقت العرض. يظل الحل الوسط كما هو الحال بالنسبة لأي قاعدة بيانات مخصصة: نظام إضافي للتشغيل أو الدفع مقابله، للحفاظ على التزامن مع مصدر بياناتك الرئيسي.
قاعدة البيانات المخصصة المكتوبة باللغة Rust والتصفية وبصمة الذاكرة
Qdrant هي قاعدة بيانات متجهة مخصصة ومفتوحة المصدر ومكتوبة بلغة Rust، وهي متاحة أيضًا في الاستضافة الذاتية أو في سحابة مُدارة (Qdrant Cloud). مثل جوهر Aurabase، Qdrant مكتوب باللغة Rust: اختيار لغة مشترك، وليس حجة التفوق في حد ذاته.
تظهر نقطتان غالبًا في التعليقات على Qdrant. أولاً، نظام تصفية الحمولة النافعة: فهو يسمح لك بدمج عوامل التصفية المنظمة (الفئة والتاريخ والحالة) والبحث المتجه في نفس الاستعلام. بعد ذلك، خيارات التكميم (العددية أو الثنائية)، تهدف إلى تقليل أثر الذاكرة لفهرس واسع النطاق. نفس الحل الوسط مثل Weaviate: نظام منفصل عن قاعدة البيانات الرئيسية، مع منطق المزامنة الخاص به الذي يجب الحفاظ عليه.
متى تختار pgvector أو Pinecone أو Weaviate أو Qdrant
اختر pgvector إذا...
- يجب أن تظل نواقلك مرتبطة ببياناتك العلائقية (المستخدمين، الأذونات، المنتجات)
- يجب أن تنطبق سياسات RLS الخاصة بك أيضًا على نتائج بحث المتجهات
- لا تريد إضافة نظام للمزامنة أعلى Postgres
اختر Pinecone إذا...
- تريد عمليات بنية تحتية صفرية للمتجهات
- لا يمثل تأمين تنسيق مغلق خاصًا مشكلة لفريقك
- أنت توافق على إنشاء قناة مزامنة لخدمة خارجية
اختر Weaviate إذا...
- تريد كلمة رئيسية مختلطة + بحث متجه أصلي، دون إعادة بنائها بنفسك
- حالة الاستخدام الخاصة بك هي محرك بحث مستقل، وليست وظيفة تمت إضافتها إلى تطبيق موجود
- أنت جاهز للعمل أو الدفع مقابل خدمة مخصصة بالإضافة إلى قاعدتك الرئيسية
اختر Qdrant إذا...
- تعد التصفية الغنية حسب الحمولة معيارًا محددًا على نطاقك
- يعد تكميم الذاكرة مؤشرًا متجهًا كبيرًا جدًا
- تريد محركًا مفتوح المصدر حيث يمكنك التحكم في الكود
ما يظهره الكود: أصلي pgvector، بدون ملحق منفصل
Aurabase لا يضيف pgvector: الامتداد موجود بالفعل في الصورة القياسية Postgres المقدمة من CloudNativePG، الأساس المستخدم لمجموعات المستأجرين. ما يبنيه Aurabase في الأعلى هو وظيفة التطبيق: مسار استيعاب مع إدارة أخطاء الشبكة، ووحدة التضمين، والبحث المتجه بواسطة فهرس HNSW. تم عرض هذه الإمكانية أصلاً في خدمة aura-ai، وتم التحقق منها في رمز المستودع في 23 أغسطس 2026.
يدعم خط أنابيب Aurabase RAG ثلاث فئات من أبعاد التضمين (768، 1536، 3072)، المقابلة لأحجام المخرجات الأكثر شيوعًا لنماذج التضمين الحالية. يظل كل متجه عمودًا في جدول Postgres عادي، في مخطط المشروع، ضمن نفس سياسات RLS مثل بقية بيانات هذا المشروع. وهذا هو نفس المنطق الموجود في مثال SQL في القسم 02، والذي يتم تطبيقه على خط الأنابيب بالكامل بدلاً من استعلام معزول.
لا يتم نشر أي معايير زمن استجابة تقارن pgvector بـ Pinecone أو Weaviate أو Qdrant على تحميل Aurabase حقيقي في هذا المستودع اعتبارًا من اليوم. راجع صفحة المعايير للتعرف على المنهجية المستخدمة في هذه الركيزة، ودليل RAG pgvector للحصول على الوثائق الفنية الكاملة.
ما نسأل عنه في أغلب الأحيان
هل يمكن لـ pgvector أن تحل محل قاعدة متجهات مخصصة مثل Pinecone في الإنتاج؟+
ما الفرق بين فهارس IVFFlat و HNSW في pgvector؟+
هل Weaviate و Qdrant مفتوحة المصدر، على عكس Pinecone؟+
هل هناك حاجة إلى قاعدة متجهات منفصلة إذا كان التطبيق يستخدم بالفعل Postgres؟+
لا يوجد فائز عالمي بين هذه البنى الأربعة
pgvector و Pinecone و Weaviate و Qdrant لا تغطي نفس الحاجة. pgvector يزيل المزامنة عن طريق الاحتفاظ بالمتجهات في Postgres، على حساب محرك أقل تخصصًا من المنتج المخصص. Pinecone يسحب جميع عمليات البنية التحتية، مقابل تأمين الملكية بالكامل. يضيف Weaviate بحثًا مختلطًا أصليًا خارج الصندوق. Qdrant يؤكد على التصفية الغنية وبصمة الذاكرة واسعة النطاق. يظل المعيار الحاسم كما هو في جميع الحالات الأربع: المكان الذي يجب أن توجد فيه بياناتك، ومن يجب أن يكون قادرًا على تصفيتها.
لإنشاء خط أنابيب RAG كامل على هذا الأساس، يقدم البرنامج التعليمي خط أنابيب RAG مع pgvector تفاصيل الاستيعاب والتضمين والبحث المتجه خطوة بخطوة. للحصول على نظرة عامة حول عمود الذكاء الاصطناعي الأصلي لـ Aurabase، راجع صفحة الذكاء الاصطناعي الأصلي.