Weaviate 对比 Redis
通过以下一系列能力比较 Weaviate 对比 Redis。我们希望您选择适合您的最佳数据库，即使它不是我们。
Weaviate 与 Redis Scalability对比
No（Redis 将数据保存在内存中，传统的 Redis 架构没有遵循固有的存储计算分离架构，而是将数据存储和计算紧密耦合在同一节点或实例中，以确保数据访问性能）
No（仅支持在服务器层面扩展）
No（只支持服务器级别的扩展，集群扩展时，需要对所有数据进行重新分片）
Yes（Redis 内置了复制功能，通过 Redis Cluster 或 Redis Sentinel 提供额外的高可用性）
静态数据 Sharding
Redis Enteprise
Weaviate 可扩展性
采用静态数据分片后，如果数据规模超过服务器存储上限，您需要为集群添加更多机器并重新对数据进行分片。这个过程复杂且耗时。而且，数据分片不均衡可导致性能瓶颈，降低系统效率。
可扩展性
通过 Redis Enterprise 实现高可用性
Weaviate 与 Redis Functionality对比
向量数据库性能是最为重要的关键指标。随着存储的非结构化数据规模不断增长至数亿或数十亿，向量数据库能否水平扩展多个节点变得至关重要。
此外，不同的数据插入、查询速率，以及不同的底层硬件适用于不同的应用场景。因此，向量数据库必须支持性能调优。
敬请期待
Yes（结合稀疏和稠密向量）
Yes（针对包含可搜索字段的索引对文档进行预过滤）
1 种（HNSW）
HNSW & IVFFlat
Weaviate 功能
Weaviate 通过两种索引类型支持向量数据库功能。一种是倒排索引，用于将数据对象属性映射到其在数据库中的位置。另一种是向量索引，用于支持高性能查询。此外，Weaviate 的混合查询功能结合了稠密和稀疏向量。稠密向量用于理解查询上下文，稀疏向量用于关键词匹配。
Redis
Redis 支持使用向量字段进行相似度查询搜索，默认的 top-k 为10
Weaviate 与 Redis Purpose-built对比
为什么使用向量数据库？
向量数据库可用于存储、索引和管理由深度神经网络学习与其他机器学习模型生成的海量向量。向量数据库应具备以下特性：
- 可扩展性和性能调优
- 多租户和数据隔离
- 完整的 API
- 直观的用户界面或管理面板
Redis 插件
Python、Java、Go
Python for Vector Search
Weaviate 对比 Redis：什么对我来说更合适？
Weaviate
Weaviate 由一家商业公司维护。该公司还提供 Weaviate 云服务版本。 许可证：BSD-3-Clause 许可证
Redis 是一种内存数据结构存储，可以作为数据库、缓存、消息代理和流式处理引擎使用，支持存储、查询和索引向量字段
License：BSD
