Amazon DynamoDB 最近推出了原生向量搜索，允许开发者将嵌入向量与应用数据存储在一起，并直接在 DynamoDB 中运行近似最近邻查询，无需使用单独的向量数据库。该功能支持带过滤条件的相似度搜索，以及面向语义搜索工作负载的可配置向量索引。
向量搜索使用一种新的 DynamoDB 索引类型，该索引基于存储在表属性中的向量嵌入。开发者可以选择任意嵌入模型，例如 Amazon Bedrock Titan Text Embeddings、Cohere Embed 或 OpenAI 文本嵌入模型，创建具有所需维度和距离函数的向量索引，然后使用新的 SearchVectors API 进行查询。亚马逊云科技首席解决方案架构师 Esra Kayabali 写道：
向量索引没有存储限制，并会随着数据增长进行横向扩展。现在，你可以利用 DynamoDB 及其原生向量搜索功能，构建需要对智能体记忆进行语义检索、检索增强生成、推荐引擎、个性化体验和异常检测等功能的应用。
此前，使用这款托管式 NoSQL 数据库的应用如果要支持向量搜索，就必须将数据复制到单独的向量数据库，并让两个系统保持同步，这增加了架构复杂性和数据传输量。原生向量搜索允许在同一张 DynamoDB 表中存储和查询向量嵌入与应用数据，从而移除了这条额外的数据流水线。Kayabali 补充道：
DynamoDB 完全采用无服务器模式，因此向量搜索可以自动扩展，无需管理基础设施。它最多支持 4096 个维度，支持欧几里得距离、余弦距离和点积距离函数，以及内联过滤。
在《使用 Amazon DynamoDB 原生向量支持构建语义搜索》一文中，亚马逊云科技首席 NoSQL 专家解决方案架构师 Leonid Koren 和亚马逊云科技 DynamoDB 高级解决方案架构师 Mo Kamioner 展示了如何构建一个 Python 语义搜索应用。该应用使用 Bedrock 嵌入和 DynamoDB，按照语义而不是精确关键词查找相关研究论文。他们解释了这项新功能对成本的影响：
除了承载项目的底层表所产生的标准 DynamoDB 费用外，向量索引还会按三个维度计费。你需要为写入索引的数据、搜索时处理的数据以及存储的数据付费。这三项均按字节计量，并按 GB 计费。
作者表示，使用更低的维度、尽可能减少索引投影、不在结果中返回嵌入向量，以及进行选择性分区，是能够显著降低向量搜索成本的主要方法。亚马逊云科技副总裁兼首席布道师 Jeff Barr 在 LinkedIn 上强调：
它可以扩展到你需要的任意规模（想想数万亿个向量），同时保持个位数毫秒级延迟。
鉴于许多数据库在过去几年中已经推出了向量支持，一些从业者认为亚马逊云科技 “入场太晚”。不过，Humayun Khan 评论：
这是一项非常令人兴奋的新功能。DynamoDB 原生向量搜索可以将向量搜索和应用数据保存在同一个位置，从而大幅简化 AI 应用的构建。
一些开发者想知道 DynamoDB 是在向量搜索之前还是之后应用属性过滤器，但这项功能获得了社区大体积极的反馈，许多人强调了它相对于 S3 向量存储桶的优势。用户 coinclick 警告称：
S3 具有近乎无限的扩展能力，并且能够提供稳定的延迟，即使这种延迟表现并不出色。我认为 DynamoDB 通常也能很好地横向扩展，并提供非常低的延迟，但其成本可能会比 S3 高很多。
该团队计划通过兼容 DynamoDB 的适配器 ExtendDB，为本地开发和自托管部署提供向量搜索。向量索引现已在 DynamoDB 当前提供服务的所有区域开放，并支持使用 Standard 或 Standard-IA 表类别的表。
原文链接：https://www.infoq.com/news/2026/08/aws-dynamodb-vector-search/
