向量数据库vs传统数据库：为什么你的MySQL跑不了语义搜索？

你在MySQL里搜"苹果"，它永远不知道你要的是水果还是手机

这是传统数据库和向量数据库最本质的区别。传统数据库——无论是MySQL、PostgreSQL还是MongoDB——处理的是"精确匹配"。你问"苹果"，它只能返回包含"苹果"这两个字的数据。向量数据库处理的是"语义匹配"。你问"苹果"，它可能返回关于iPhone、MacBook、Tim Cook的文档——因为它理解"苹果"的语义。

这个区别看似简单，但它决定了你什么时候该用哪个。

本质区别一：数据结构——标量vs向量

传统数据库存储的是标量数据：整数、字符串、日期、布尔值。查询方式是精确匹配（WHERE name = ‘苹果’）、范围查询（WHERE price > 5000）、模糊匹配（LIKE ‘%苹果%’）。

向量数据库存储的是Embedding——高维向量。比如"苹果手机"经过Embedding模型转换后，变成[0.023, -0.451, 0.789, …, -0.234]，一个768维的浮点数数组。查询方式是相似度计算——找到和查询向量最接近的K个向量。

关键差异：传统数据库的查询结果是"是或否"的二元判断，向量数据库的查询结果是"有多相似"的连续判断。 这意味着向量数据库天然支持模糊搜索、语义搜索、推荐系统——这些是传统数据库做不到的。

本质区别二：索引算法——B-Tree vs HNSW/IVF

传统数据库的核心索引是B-Tree（及其变种B+Tree）。B-Tree适合一维数据（如ID、时间、金额），查询复杂度O(log n)。对于1亿条数据，B-Tree只需约27次比较就能找到目标。

但B-Tree在向量数据上完全失效。因为向量数据是多维的（768维甚至更高），B-Tree无法对多维数据建立有效的排序。

向量数据库使用近似最近邻（ANN）索引：HNSW（分层导航小世界图）、IVF（倒排文件）、LSH（局部敏感哈希）等。以HNSW为例，它在高维空间中构建一个图结构，查询时沿图边导航，复杂度约为O(log n)，但实际性能取决于图的质量。

实测数据：在1000万条768维向量中，HNSW的P99查询延迟是5ms，而暴力搜索（线性扫描所有向量）需要800ms。 索引的价值是160倍的性能提升。

金句：B-Tree是给一维数据设计的，HNSW是给高维数据设计的。你用错了索引，就像用扳手拧螺丝——能转，但转不动。

本质区别三：查询模式——精确vs模糊

传统数据库的查询模式：SELECT * FROM products WHERE category = ‘手机’ AND price < 5000。结果是确定性的——满足条件的记录全部返回，不满足的一条不返回。

向量数据库的查询模式：找到最接近查询向量的Top-K个结果。结果不是确定性的（取决于索引参数），而且总会返回K个结果——即使有些结果"不太相关"。

这个差异在RAG系统中至关重要。如果你用传统数据库做知识库检索，用户问"怎么退款"，系统只能匹配包含"退款"关键词的文档。但如果文档写的是"退货流程"，这个文档就匹配不到——尽管它们语义上高度相关。向量数据库能理解"退款"和"退货"是同一个意思。

pgvector：PostgreSQL的向量扩展——够用吗？

pgvector是PostgreSQL的一个扩展，让PostgreSQL支持向量数据类型和IVFFlat/HNSW索引。它让很多人问：“既然PostgreSQL就支持向量搜索，我为什么还要用专用向量数据库？”

答案是：看你的数据量。

pgvector在100万向量以下的场景中表现不俗。实测数据：

pgvector的性能拐点在100万-500万向量之间。 超过这个量级，pgvector的索引效率快速下降，而专用向量数据库的分布式架构可以平滑扩展。

金句：如果你的数据量在100万以内，pgvector完全够用。省去一个数据库的运维成本，比那几毫秒的延迟差距重要得多。

什么时候可以不用专用向量数据库？

1. 数据量小（<100万向量）：pgvector、Redis Stack、甚至Elasticsearch的向量插件都够用
2. 不需要纯向量搜索：如果你的场景是"全文搜索+简单的向量搜索混合"，Elasticsearch更合适
3. 团队没有运维向量数据库的能力：pgvector的运维成本接近零，因为你的DBA已经在管PostgreSQL了
4. 预算有限：pgvector免费，Pinecone每月几千美元起步

什么时候必须用专用向量数据库？

1. 数据量大（>1000万向量）：pgvector性能会断崖式下降
2. 需要低延迟（P99<20ms）：专用向量数据库在索引调优后有显著优势
3. 需要分布式扩展：数据量持续增长，需要水平扩展
4. 需要高级功能：多模态检索、Hybrid Search、多租户隔离、元数据过滤

金句：pgvector是向量数据库的"入门毒品"——它让你低成本地体验向量搜索的魅力，但当你真正上瘾后，你会发现你需要更专业的工具。