**Qdrant، من خلال فهرس GPU، وتعدد مناطق التوافر، وسجلات التدقيق لتعزيز قاعدة البيانات الشعاعية "المؤسسية"**

شركة Qdrant Solutions GmbH الناشئة في مجال قواعد البيانات المفتوحة المصدر للمتجهات أضافت ثلاث ميزات “مؤسسية” لخدمتها السحابية. تشمل الميزات المُعلنة حديثًا فهرسة مع تسريع GPU، وتجمعات متعددة المناطق القابلة للاستخدام، وسجلات التدقيق، بهدف تلبية متطلبات الأداء، والتوافر، والامتثال التنظيمي لخدمات الذكاء الاصطناعي في آنٍ واحد.

قالت Qdrant إنه مع زيادة تطبيقات تعزيز البحث التوليدي (RAG) مؤخرًا، وكون الوكيلات الذكية للذكاء الاصطناعي تصبح تدريجيًا أدوات أساسية للأعمال، تبرز أهمية بنية تحتية للبحث بالمتجهات بشكل متزايد. تعتبر قواعد البيانات المتجهة محركًا رئيسيًا لمساعدة روبوتات الدردشة والوكيلات الذكية على البحث عن المعلومات بناءً على المعنى، وتستخدم لتوفير معلومات في الوقت الحقيقي، وتقليل “الهلوسة”، وتحسين دقة الاستجابة.

تعزيز الوظائف لتلبية احتياجات البنية التحتية للذكاء الاصطناعي

زيادة سرعة الفهرسة باستخدام GPU

قال أندريه زيارني، المؤسس المشارك والرئيس التنفيذي لـ Qdrant: “لا يقتصر استخدام GPU على استنتاج النماذج، بل هو ضروري أيضًا في الفهرسة.”

الفهرسة هي بنية داخل قاعدة البيانات المتجهة تُستخدم لتنظيم البيانات بكفاءة. من خلالها، يمكن إجراء عمليات البحث عن التشابه بسرعة حتى في مجموعات البيانات الضخمة. تستخدم خوارزميات مثل الهيكل الهرمي القابل للتنقل للعالم الصغير (HNSW) أو الملفات المقلوبة (IVF) لتجميع المتجهات المماثلة، مما يحل محل الطرق التقليدية البطيئة للمقارنة الشاملة في قواعد البيانات.

هذه البنية الفهرسية ضرورية لتحقيق سرعة استجابة تقترب من سرعة الإنسان في خدمات الذكاء الاصطناعي. إذا تدهورت أداء الفهرسة، ستتأخر استجابات روبوتات الدردشة أو الوكيلات الذكية، مما يصعب التفاعل الطبيعي. كما تُستخدم نفس التقنية على نطاق واسع في أنظمة التوصية ومحركات البحث.

توسيع القدرة على التحمل عبر تجمعات متعددة المناطق

لم تقتصر تحسينات Qdrant على الأداء فحسب، بل عززت أيضًا الاستقرار. ستقوم ميزة التجمعات متعددة المناطق الجديدة بنسخ البيانات واحتفاظها في ثلاث مناطق متاحة داخل نفس المنطقة. حتى إذا خرجت إحدى النسخ عن العمل، يمكن للعمليات المقروءة والمكتوبة في المناطق المتبقية أن تستمر دون انقطاع، بهدف ضمان استمرارية الخدمة.

أكدت الشركة أن الخدمة يمكن أن تستمر في العمل دون الحاجة إلى انتقال فشل منفصل أو تدخل من العميل. في ظل اتجاه خدمات الذكاء الاصطناعي نحو بيئة “متصلة دائمًا”، يلبي هذا الهيكل مباشرة متطلبات العملاء من الشركات بشأن استمرارية العمليات.

مواجهة متطلبات التنظيم والامتثال عبر سجلات التدقيق

الميزة الثالثة هي سجلات التدقيق، التي تسجل جميع أنشطة واجهة برمجة التطبيقات (API) الخاصة بـ Qdrant، بما في ذلك عمليات البحث، والحذف، وإدارة المجموعات، وإدارة اللقطات، وغيرها. تُقدم السجلات بتنسيق JSON منظم، وتحتوي على مفاتيح API للمستخدم، والطوابع الزمنية، وبيانات وصفية أخرى، مما يتيح تتبع كامل لتاريخ العمليات.

يمكن ضبط مدة الاحتفاظ بالسجلات؛ ويمكن للعملاء الذين يحتاجون إلى حفظها لفترات طويلة تنزيلها بشكل منفصل للأرشفة أو كوثائق للامتثال. مع زيادة تطبيقات الذكاء الاصطناعي، تتزايد الحاجة إلى تسجيل تاريخ الوصول إلى البيانات وسجلات العمليات، لذلك تجاوزت هذه الميزة مجرد كونها وسيلة مريحة، وأصبحت أساسًا لتوسيع الأعمال التجارية للشركات.

انتشار RAG يسرع من تنافس قواعد البيانات المتجهة

تشير هذه الإصدارات إلى أن سوق قواعد البيانات المتجهة يتجه من مجرد تحسين الأداء في عمليات البحث إلى تلبية احتياجات التشغيل للشركات. الآن، لم يعد التركيز على “السرعة في العثور على البيانات”، بل على “الاستقرار في التشغيل” و"القدرة على تلبية متطلبات التنظيم".

وبشكل خاص، مع انتشار RAG والوكيلات الذكية للذكاء الاصطناعي، أصبحت عمليات البحث بالمتجهات البنية التحتية الأساسية، لذلك فإن ميزات مثل تسريع الفهرسة باستخدام GPU، والتجمعات متعددة المناطق، وسجلات التدقيق، تقترب من أن تكون شروطًا أساسية للفوز بعملاء الشركات الكبرى. يُفسر تحديث Qdrant الأخير على أنه إشارة: أن سوق البنية التحتية للذكاء الاصطناعي يتجه من مرحلة تركز على “الأداء” إلى مرحلة جديدة تركز على “موثوقية التشغيل”.