矢量搜索主要用于处理非结构化数据，如文本、图像和音频，而传统的搜索方法可能存在不足。然而，它也可以应用于结构化数据，尽管有一些考虑。结构化数据通常以表格格式组织，数据点之间的关系清晰，使传统的数据库查询高效。然而，当目标是找到语义上相似的数据点或执行相似性搜索时，向量搜索可能是有益的。
在结构化数据场景中，向量搜索可以通过为数据创建嵌入来增强搜索体验，这些嵌入表示高维向量空间中数据点的语义。这允许发现通过传统的关键字搜索方法可能不明显的模式和关系。例如，在零售数据库中，矢量搜索可以根据客户评论或描述识别相似的产品，即使它们不共享相同的关键字。
对结构化数据使用向量搜索的挑战在于生成和维护向量嵌入的计算成本和复杂性。在增强搜索结果的好处与实施和维护基于矢量的系统所需的资源之间取得平衡至关重要。另外，矢量搜索可能需要在混合搜索方法中与传统搜索方法集成，以确保结构化和非结构化数据两者的准确且高效的检索。