Démarrage rapide
-
Entrez count et dims
par exemple 100k vecteurs à 1536 dims (text-embedding-3-small).
-
Choisir dtype
float32, float16 ou int8 définit les octets par valeur.
Calculatrice de stockage intégrée
Estimez rapidement la taille de la charge utile d'intégration dense lors de la planification de la capacité RAG ou vectorielle DB (index exclu).
Confidentialité : traitée localement, jamais téléchargée.
↓ Collez dans la zone d'entrée ci-dessous pour voir les résultats instantanément
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）。
字节
614,400,000
MB
585.94
GB
0.5722
Notes
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。
Estimez rapidement la taille de la charge utile d'intégration dense lors de la planification de la capacité RAG ou vectorielle DB (index exclu).
Frais généraux de l'indice
Les indices HNSW et FIV dépassent souvent les vecteurs bruts; Cet outil ne compte que la charge utile.
Flow de travail typique
Lors du déploiement d'un système RAG, les développeurs identifient généralement d'abord le modèle d'intégration (par exemple, text-embedding-3-large avec 3072 dimensions) et estiment le nombre de morceaux de document. En saisissant ces trois paramètres clés (count, dimensions, dtype), cet outil calcule instantanément les besoins de stockage brut, aidant à la configuration du serveur ou à la planification du stockage cloud.
Exemple: 1 million de vecteurs float32 avec 768 dimensions occupent ~3 Go. Le passage à float16 réduit de moitié la taille mais peut perdre de la précision. L'outil permet des ajustements de paramètres en temps réel pour comparer les résultats, idéal pour valider les coûts de stockage lors de la sélection du modèle.
Exemples
Exemple
Input
100000 vectors, 1536 dims, float32
Output
~586 MB
FAQ
Y a-t-il des métadonnées ?
Aucun ID de document, charges utiles ou autres champs de métadonnées.
Pourquoi mon stockage réel de base de données dépasse-t-il l'estimation de l'outil ?
Les bases de données vectorielles nécessitent un espace supplémentaire pour les structures d'index (par exemple, les graphiques HNSW), les métadonnées des documents et les frais de compression. Milvus/Pinecone nécessite généralement 1,3-2x la taille des données brutes. Cet outil se concentre sur le calcul brut – ajuster les budgets en fonction de la documentation de votre base de données.