使用 Aurora Serverless v2 作为 Amazon Bedrock Knowledge Bases 的向量数据库

今天我尝试了使用 Amazon Bedrock Knowledge Bases，并将 Amazon Aurora PostgreSQL 用作向量数据库。

去年 12 月，Amazon Bedrock Knowledge Bases 新增了可快速创建 Aurora PostgreSQL 作为向量数据库的功能，大幅简化了设置流程。

本次我也将利用这一快速创建功能进行设置。

aws.amazon.com

1. 将 Aurora PostgreSQL 配置为向量存储

事前准备

本次将 S3 用作 RAG（检索增强生成）的外部数据源。之后，我们会确认 LLM（大语言模型）的回答是否参考了存储在 S3 中的资料。

Knowledge Bases 的创建

在 AWS 管理控制台中，进入 Bedrock 页面，仅通过 GUI 操作即可轻松创建 Knowledge Bases。

点击 “Knowledge Base with vector store”（带向量存储的知识库），即可跳转至 Knowledge Bases 创建页面。

在 “步骤 2 配置数据源” 中，指定事前准备好的 S3 的 URI。而 “步骤 3 选择嵌入模型并配置向量数据库” 则是本次的核心内容。

向量数据库的选项中新增了 “Amazon Aurora PostgreSQL Serverless” 这一项目，请选择此项。

※向量数据库的可选范围因区域而异，本文中测试使用的是东京区域。

之后点击 “下一步”，确认创建内容后即可完成设置。仅需通过 GUI 操作即可完成，直观又简单！

在 RDS 控制台中可以确认已创建的数据库。

数据库表的创建情况如下所示。

Bedrock_Knowledge_Base_Cluster=> \d bedrock_knowledge_base
        Table "bedrock_integration.bedrock_knowledge_base"
  Column   |        Type         | Collation | Nullable | Default
-----------+---------------------+-----------+----------+---------
 id        | uuid                |           | not null |
 embedding | public.vector(1536) |           |          |
 chunks    | text                |           |          |
 metadata  | jsonb               |           |          |
Indexes:
    "bedrock_knowledge_base_pkey" PRIMARY KEY, btree (id)
    "bedrock_knowledge_base_embedding_idx" hnsw (embedding public.vector_l2_ops)

Knowledge Bases 的测试

选择已创建的 Knowledge Bases 后，会出现 “测试知识库”页面。在此处向 LLM 提问，测试是否能返回预期的回答。

本次我提出了 “敏捷开发的优势是什么？“ 这一问题。结果如预期般返回了参考了事前准备并存储在 S3 中的资料的回答，看起来运行正常。

2. 与 OpenSearch Serverless 的对比

OpenSearch Serverless 是被广泛用作向量数据库的代表性服务。此处将整理其与 Aurora Serverless v2 在实际使用中的差异。

功能

当使用 Aurora PostgreSQL 作为向量数据库时，仅支持语义搜索这一种检索类型。

而使用 OpenSearch Serverless 时，则可在混合搜索与语义搜索之间进行选择。

• 语义搜索：并非简单的关键词匹配，而是检索语义上相关的信息。
• 混合搜索：将关键词检索与语义搜索相结合进行信息检索。

从检索功能性来看，OpenSearch Serverless 更具优势。若需融入关键词检索功能，建议选择 OpenSearch Serverless。

成本

OpenSearch Serverless 的计算费用采用计时收费模式，即便处于未使用状态，仍会产生每小时的费用。以美国东部（弗吉尼亚北部）区域为例，每个单位的费用为 0.24 美元 / 小时。根据文档说明，至少会按 2 个单位计费，因此每月的费用约为 0.24 美元 / 小时 × 720 小时 × 2 = 345 美元。

相比之下，Aurora Serverless v2 不仅单价低廉（0.12 美元 / 单位 / 小时），还支持缩容至 0 个单位。因此，能够有效控制未使用状态下的成本。

aws.amazon.com

查看此前通过快速创建功能搭建的 Aurora PostgreSQL 实例配置，确认其确实支持缩容至 0 个单位，与预期一致。

在 CloudWatch 中查看单位使用率（ACU），可以确认实例在未使用时会自动缩容至 0 个单位。

3. 检索速度确认

最后，我们将验证文档数量增加时的检索速度及 ACU（Aurora 计算单位）变化情况。数据源采用 Kaggle 上的 “BBC News Summary” 数据集，将约 9000 条数据存储至 S3 中。

参照 “1. 将 Aurora PostgreSQL 配置为 Bedrock Knowledge Bases 的向量数据库” 中的方法，向 LLM 发起提问。结果显示，与文档数量较少时相同，回答在数十毫秒内即可返回。对于本次使用的数据集规模而言，检索速度似乎不存在明显问题。

查看 ACU 数据可知：文档导入时的 ACU 使用率约为 30%（16（最大扩容单位数）× 0.3 = 5 个单位），LLM 生成回答时的 ACU 使用率约为 15%（16 × 0.15 = 2.5 个单位）。

向量数据库的 ReadLatency（读取延迟）控制在 0.01 秒以内，使用体验较为流畅。

4. 总结

本次尝试了在 Bedrock Knowledge Bases 中使用 Aurora Serverless v2 作为向量数据库。

借助快速创建功能，仅需几次 GUI 点击操作，即可轻松完成向量数据库的搭建。对于 “控制未使用状态下成本” 这一需求，也能够轻松实现。

最后提醒

仅删除 Bedrock Knowledge Bases，并不能移除通过快速创建功能生成的向量数据库等其他关联资源。若不再需要这些资源，请务必手动删除，避免遗漏。