Speicherrechner einbetten

Schnell schätzen Sie die dichte Einbettungsnutzlastgröße bei der Planung von RAG- oder Vektor-DB-Kapazitäten (Index ausgeschlossen).

Read the full guide: RAG-Optimierungsanleitung: Balancing Chunking, Embedding Dimension und Context Budget →

Datenschutz: lokal verarbeitet, nie hochgeladen.

↓ Fügen Sie in den Eingabebereich unten, um sofort Ergebnisse zu sehen

按向量条数、维度与数据类型估算原始向量存储占用（不含索引开销）。

向量条数

维度

数据类型

字节

614,400,000

585.94

0.5722

Hinweise

存储说明

仅计算稠密向量本体大小。向量库索引、元数据与副本会额外占用磁盘。

Schnell schätzen Sie die dichte Einbettungsnutzlastgröße bei der Planung von RAG- oder Vektor-DB-Kapazitäten (Index ausgeschlossen).

Schnellstart

Geben Sie Count und Dims ein

z.B. 100k Vektoren bei 1536 Dims (text-embedding-3-small).
Wählen Sie dtype

float32, float16 oder int8 setzen Bytes pro Wert.

Index-Overhead

HNSW- und IVF-Indexe übersteigen oft Rohvektoren; Dieses Tool zählt nur Nutzlast.

Typischer Workflow

Bei der Bereitstellung eines RAG-Systems identifizieren Entwickler in der Regel zuerst das Einbettungsmodell (z. B. text-embedding-3-large mit 3072 Abmessungen) und schätzen die Anzahl der Dokumentstücke. Durch die Eingabe dieser drei Schlüsselparameter (Anzahl, Abmessungen, dtype) berechnet dieses Tool sofort den Rohspeicherbedarf und hilft bei der Serverkonfiguration oder der Cloud-Speicherplanung.

Beispiel: 1 Million float32 Vektoren mit 768 Dimensionen belegen ~3GB. Umschalten auf float16 halbiert die Größe, kann aber Präzision verlieren. Das Tool ermöglicht Parameteranpassungen in Echtzeit zum Vergleich der Ergebnisse, ideal für die Validierung der Speicherkosten bei der Modellauswahl.

Beispiele

Beispiel

Input

100000 vectors, 1536 dims, float32

Output

~586 MB

FAQ

Metadaten enthalten?

Keine Dokument-IDs, Nutzlasten oder andere Metadatenfelder.

Warum übersteigt mein tatsächlicher Datenbankspeicher die Schätzung des Tools?

Vektordatenbanken benötigen zusätzlichen Platz für Indexstrukturen (z. B. HNSW-Grafiken), Dokumentmetadaten und Komprimierungsaufwand. Milvus/Pinecone benötigen in der Regel 1,3-2x Rohdatengröße. Dieses Tool konzentriert sich auf die Rohberechnung – anpassen Sie die Budgets nach der Dokumentation Ihrer Datenbank.