向量数据库
Vector databasesA lightweight, lightning-fast, in-process vector database插拔式的模块，作为python包-Python package ，存储和查询向量storage and search, 存储： Zvec stores both the original vectors and their quantized versions量化精度：FP16 (Half-Precision Floating Point) INT8 (8-Bit Integer Quantization) INT4 (4-Bit Integer Quantization)查询：Inverted Index查询：暴力搜索(Brute Force Search)
数据模型
1.文档和集合 collections and documentsdocuments： 核心组件 id vectors fieldsEach collection is self-contained within its directory. dedicated schema and indexing configurationdocuments-- 文档 有三个核心组件 id vectors fieldsthree core components
2.数据类型标量和向量 Scalar types 和 Vector types 标量： Elementary Types 和 Array Types向量 Vector Types： 稠密和稀疏向量稠密向量稀疏向量： sparse vectors use integer indices to map terms to their positions within a vocabulary dictionary rather than storing the term strings directly Indexes 索引： vector index typesFlat (Brute-Force) index HNSW (Hierarchical Navigable Small World)IVF (Inverted File Index)
3.嵌入模型 An embedding model 模型距离： cosine similarity, dot product, or Euclidean distance.模型量化(Model Quantization)是一种将神经网络模型中的高精度数值(如 32 位浮点数)转换为低精度数值(如 8 位整数、4 位整数甚至二值)的技术
其他
在MongoDB中，databases 保存 文档（Documents）的集合（Collections） MongoDB在collections中存储文档（documents）。Collections类似于关系型数据库中的表（tables），默认情况下，collection不要求文档有相同的结构 document represents a row in a table
边缘数据库 Turso 是一个嵌入式 SQL 数据库，完全兼容 SQLite
参考
https://zvec.org/en/docs/quickstart/
