Aurora PostgreSQL + pgvector

pgvector menambahkan tipe data vektor ke PostgreSQL. Kalau aplikasimu sudah memakai Aurora, ini sering pilihan paling praktis — dan paling murah.

Menyiapkan

CREATE EXTENSION IF NOT EXISTS vector;

CREATE TABLE potongan (
    id          uuid PRIMARY KEY DEFAULT gen_random_uuid(),
    teks        text        NOT NULL,
    vektor      vector(1024) NOT NULL,
    departemen  text,
    tahun       int,
    sumber      text
);

-- HNSW: lebih cepat dan akurat saat query, lebih lambat saat dibangun
CREATE INDEX ON potongan USING hnsw (vektor vector_cosine_ops);

-- Filter metadata jauh lebih cepat kalau kolomnya juga diindeks
CREATE INDEX ON potongan (departemen, tahun);

Mencari

-- <=> adalah operator jarak cosine
SELECT teks, sumber, 1 - (vektor <=> $1) AS kemiripan
FROM potongan
WHERE departemen = 'hr' AND tahun >= 2024
ORDER BY vektor <=> $1
LIMIT 5;

Keunggulan sesungguhnya: satu JOIN

SELECT p.teks, d.judul, d.pemilik, d.terakhir_diubah
FROM potongan p
JOIN dokumen d ON d.id = p.dokumen_id
WHERE d.pemilik = $2                 -- kontrol akses dari tabel bisnismu
  AND d.status  = 'terbit'
ORDER BY p.vektor <=> $1
LIMIT 5;

Inilah yang tidak bisa dilakukan vector store terpisah tanpa menyalin data: aturan otorisasi dan status dokumen tinggal di tabel yang sama, dijalankan dalam satu transaksi, dan selalu konsisten. Untuk aplikasi multi-tenant yang datanya sudah di PostgreSQL, ini sering keputusan yang benar.

Aurora atau OpenSearch?

Menghubungkan ke Knowledge Bases

Bedrock terhubung ke Aurora lewat Data API, dengan kredensial dari Secrets Manager. Yang perlu kamu siapkan sebelum membuat knowledge base:

1. Ekstensi vector aktif.
2. Tabel dengan kolom vektor, teks, dan metadata yang dikelola Bedrock.
3. Kolom untuk tiap atribut metadata yang ingin kamu filter — di Aurora ini tidak otomatis.
4. Data API diaktifkan pada cluster.
5. Kredensial tersimpan di Secrets Manager, dan role KB boleh membacanya.