Towalles Towalles

埋め込みストレージ計算機

RAGまたはベクトル・データベースの容量（インデックスを除く）を計画する際に、密に埋め込まれたペイロード・サイズを迅速に推定します。

Read the full guide: RAG 最適化ガイド ： チャンキング、埋め込み次元、コンテキスト予算のバランス →

プライバシー：アップロードしないローカルで処理します。

↓ 下の入力領域に貼り付けて、結果をすぐに表示します。★QADB 610☆QADB 610☆QADB 610☆QADB 610☆QADB 610☆QADB 610☆QADB 610☆QADB 610☆QADB

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

備考

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。

RAGまたはベクトル・データベースの容量（インデックスを除く）を計画する際に、密に埋め込まれたペイロード・サイズを迅速に推定します。

クイックスタート

  1. 入力カウントと暗くする

    例えば、1536個のdimsにおける100 k個のベクトル（テキスト埋め込み3−small）。

  2. データ型の選択

    float 32、float 16またはint 8は、値ごとにバイトを設定します。

指数間接費

HNSWとIVF指数は通常、元の担体を上回る。

典型的なワークフロー

RAGシステムを配備する場合、開発者は通常、まず埋め込みモデル（例えば、3072次元のtext-embedding-3-large）を識別し、文書ブロックの数を推定する。これら3つの重要なパラメータ（カウント、次元、データ型）を入力することで、ツールは元のストレージ要件をすぐに計算し、サーバ構成やクラウドストレージ計画を支援します。

例：768次元100万個のfloat 32ベクトルが約3 GB占有されている。float 16に切り替えるとサイズは半分になりますが、精度が失われる可能性があります。このツールは、モデル選択中にストレージコストを検証するのに最適な、リアルタイムでパラメータを調整して結果を比較することができます。

例

例

Input

100000 vectors, 1536 dims, float32

Output

~586 MB

FAQ

メタデータを含めるか？

ドキュメントID、ペイロード、その他のメタデータフィールドはありません。

実際のデータベース・ストレージがツールの推定値を超えているのはなぜですか。

ベクトルデータベースには、HNSWマップなどのインデックス構造、ドキュメントメタデータ、圧縮オーバーヘッドのための追加のスペースが必要です。Milvus/Pineconeには通常1.3～2 xの生データサイズが必要です。