# Vectors कहाँ रहते हैं — Embeddings और Vector Search

Source: https://www.geekswithgeeks.com/hi/embeddings/p-store

> Libraries, पहले से चलते databases के extensions और समर्पित vector databases की तुलना करें।

## Library, extension या database

तीन व्यापक विकल्प। (1) FAISS जैसी **in-process library**: बहुत तेज़, प्रयोगों और अधिकतर-पढ़ने वाले डेटा के लिए बढ़िया, पर persistence, replication, filtering और अद्यतन आप ख़ुद सँभालते हैं। (2) **पहले से चलते database का vector extension** (जैसे PostgreSQL के लिए pgvector, या Elasticsearch/OpenSearch, MongoDB या Redis में vector search): vectors आपके relational डेटा और metadata के पास रहते हैं, आप backups, access control और transactions पुनः उपयोग करते हैं, और SQL से filtering स्वाभाविक है; प्रदर्शन बड़े पैमाने तक अच्छा है पर विशेष engines से पीछे हो सकता है। (3) **समर्पित vector database** (जैसे Qdrant, Milvus, Weaviate, Pinecone): scale, filtering, hybrid search, replication और संचालन के लिए बने, एक और system चलाने या ख़रीदने की क़ीमत पर। जो पहले से चलाते हैं उससे शुरू करें; मापी हुई ज़रूरतें (scale, latency, सुविधाएँ) माँगें तब विशेष engine पर जाएँ। इस शृंखला का अगला कोर्स vector databases की विस्तार से तुलना करता है।

## संचित करें, अद्यतन करें, scale करें, सुरक्षित करें

चुनें vectors कहाँ रहें, उन्हें ताज़ा रखें, लागत नियंत्रित करें और जिस डेटा से बने उसकी रक्षा करें।

![चार चिंताएँ: भंडारण, ताज़गी, scale, सुरक्षा।](assets/figures/embeddings/section-6-map.svg) — चित्र 6.1 — भंडारण, ताज़गी, scale और सुरक्षा।

## कहाँ से शुरू करें

मोटी मार्गदर्शिका; प्रतिबद्ध होने से पहले मापें।

```text
Situation                                        Reasonable start
experiment / notebook / offline batch              FAISS or numpy (flat)
already on PostgreSQL, < ~ tens of millions        pgvector (+ SQL filters)
already on Elasticsearch/OpenSearch, want hybrid   its vector + BM25 search
large scale, heavy filtering, many tenants         dedicated vector database
unsure                                             start simple; keep an abstraction so you can move
```

## Store को interface के पीछे छिपाएँ

add, delete और search वाला छोटा wrapper बाद में app दोबारा लिखे बिना engine बदलने देता है।

**Quiz:** पहले से चलते database में vector extension का एक लाभ क्या है?

- [ ] यह हर विकल्प से हमेशा तेज़ है
- [x] Vectors आपके डेटा के साथ रहते हैं, backups, access control और SQL filters पुनः उपयोग होते हैं
- [ ] इसे भंडारण नहीं चाहिए
- [ ] यह embeddings की ज़रूरत हटाता है

*Answer:* Vectors आपके डेटा के साथ रहते हैं, backups, access control और SQL filters पुनः उपयोग होते हैं. एक system चलाना अक्सर दो से बेहतर है, जब तक scale कुछ और न माँगे।