Vejamos como o desempenho aproximado da pesquisa de vizinhos mais próximo do vetor de tempo de escala de tempo se compara a um banco de dados de vetor especializado, neste caso, algoritmos de índice de pesquisa pós -GRESQL existentes.Então, durante a pesquisa, você pode fazer o seguinte:
Para resolver esse problema, o vetor de escala de tempo aproveita os hipertíveis do TimesCaledB, que partem automaticamente vetores e metadados associados por um registro de data e hora.O vetor de escala de tempo aprimora o PGVector com pesquisa mais rápida, recall mais alto e filtragem mais eficiente baseada no tempo, tornando o PostGresql seu novo banco de dados de vetores.Por exemplo, com precisão de 96%, o índice inspirado no Diskann do vetor de tempo pode processar 425 consultas por segundo, e o PGVector HNSW pode processar 376 consultas por segundo.Aqui está o que eles tinham a dizer sobre o vetor de escala de tempo:
O vetor de tempo de tempo está disponível hoje no acesso antecipado na escala de tempo, a plataforma PostgreSQL Cloud, para clientes novos e existentes.
Fonte: https://www.timescale.com/blog/how-we-made-postgresql-the-best-vector-database/
