آخر تحديث: 2026-06-22

ما حجم قاعدة البيانات المتجهية؟

حجم قاعدة البيانات المتجهية هو مقدار التخزين اللازم لاحتواء مجموعة من متجهات التضمين مع فهرس البحث المبني فوقها. فحين يُضمِّن نظام الاسترجاع مجموعة نصية، يصبح كل جزء من مستند متجهًا — أي قائمة من الأرقام ثابتة الطول — وعلى هذه المتجهات جميعًا أن تستقر في موضع يدعم بحث التشابه السريع. ويتحدّد الحجم بثلاثة عوامل: عدد المتجهات، وطول كل متجه، وعدد البايتات الذي تشغله كل قيمة.

كيف يتراكم الحجم

المتجه الواحد مصفوفة من أرقام عددها يساوي عدد الأبعاد. ويُخزَّن كل رقم بدقة مختارة: 4 بايت للعدد العشري بدقة 32-بت، و2 بايت للعدد العشري بدقة 16-بت، و1 بايت للعدد الصحيح المكمَّم بدقة 8-بت. وضرب حجم القيمة الواحدة بالبايت في عدد الأبعاد يعطي حجم متجه واحد، وضربه في عدد المتجهات يعطي الحمل الخام.

وفوق المتجهات الخام يقع الفهرس. فمقارنة الاستعلام بكل متجه مخزّن دقيقة لكنها بطيئة متى بلغ العدد الملايين، ولذلك تبني قواعد البيانات المتجهية بنية الجار الأقرب التقريبية — وأشيعها رسم HNSW — تتيح للبحث ألا يزور إلا جزءًا صغيرًا من المتجهات. ويخزّن هذا الرسم روابط الجيران لكل متجه، وهي بيانات إضافية تضيف عادةً ما بين خُمس الحجم الخام ونصفه.

الصيغة

عند $N$ متجه بُعدها $d$، وتأخذ كل قيمة $b$ بايت، يكون التخزين الخام

وإضافة حمل فهرس كسري قدره $o$ يعطي الإجمالي:

مثال محلول

لنأخذ مخزنًا من 2,400,000 متجه من نموذج بُعده 768، محفوظة بالدقة الكاملة فتأخذ كل قيمة 4 بايت، مع فهرس HNSW يضيف حملًا قدره 35 بالمئة. يكون الحجم الخام

ومع الفهرس،

وتحويل المتجهات نفسها إلى تكميم 8-بت، أي 1 بايت لكل قيمة، يخفض الحجم الخام إلى نحو 1.84 GB والإجمالي إلى قرابة 2.49 GB — أي تقليص إلى الربع — مقابل خسارة يسيرة في الدقة عند حساب المسافة.

ملاحظات وتنويعات

يغطّي التقدير المتجهات والفهرس فقط. وتخزّن معظم قواعد البيانات أيضًا جزء النص الأصلي والبيانات الوصفية بجوار كل متجه؛ وفي الأجزاء القصيرة قد يقارب هذا الحمل حجم المتجه نفسه، فأضِفه على حدة عند تقدير إجمالي القرص. وتقليص الأبعاد والتكميم هما أهم رافعتين لتصغير الفهرس: فخفض الأبعاد إلى النصف أو التكميم إلى int8 يقلّص الحجم الخام تقليصًا كبيرًا قبل تطبيق أي حمل للفهرس.

التطبيق

حجم التخزين هو مدخل تكلفة الاستضافة — فمتى عرفت عدد الغيغابايتات التي يشغلها الفهرس، حوّلها حاسبة تكلفة قاعدة البيانات المتجهية إلى فاتورة شهرية. والمتجهات التي يُقاس حجمها هنا تنتجها خطوة التضمين المسعّرة في حاسبة تكلفة التضمين، وعدد المتجهات يتبع عادةً طريقة تقسيم المستندات المصدرية.