AWS环境向量数据库选型咨询：除OpenSearch外的可行方案？

OpenSearch 现状说明 #

你提到的OpenSearch早期向量搜索局限确实存在，但OpenSearch 2.5及以上版本已经支持近似最近邻（ANN）搜索，通过knn查询类型直接基于向量完成检索，无需先全量过滤文档再做评分。如果你的场景对向量检索性能没有极端要求，OpenSearch仍是成熟选择——它同时集成全文检索与向量能力，适合需要混合查询的场景，且完全符合AWS内部安全合规标准。

AWS 内部替代方案 #

1. Amazon Aurora（PostgreSQL/MySQL）向量支持

Aurora PostgreSQL 14+、MySQL 8.0.32+版本已原生支持向量数据类型与近似最近邻搜索：

• PostgreSQL通过pgvector扩展实现，可创建vector类型列存储嵌入向量，用knn_distance或knn语法直接检索相似向量；
• MySQL内置向量函数，支持向量存储与相似度计算。
  适合已在使用Aurora的团队，无缝集成现有关系型数据库生态，运维成本低。

2. Amazon Bedrock 托管向量存储

如果追求完全托管、零运维的方案，可直接使用Amazon Bedrock的内置向量存储能力：

• Bedrock可对接其内置的大模型生成向量嵌入，同时提供托管的向量检索服务，无需自行搭建底层基础设施；
• 天然适配AWS企业级安全与访问控制体系，符合公司合规要求。

3. Amazon DynamoDB 向量检索实现思路

DynamoDB本身无原生向量类型，但可通过两种方式实现向量检索：

• 分桶检索（小数据量场景）：用哈希函数将向量映射到不同分区键，查询时先定位目标桶，再取出桶内向量计算相似度，避免全表扫描；
• 搭配OpenSearch索引（大数据量场景）：用DynamoDB存储原始数据与向量，通过AWS Lambda实时同步向量到OpenSearch构建索引；查询时先通过OpenSearch获取相似向量对应的文档ID，再从DynamoDB提取完整数据，兼顾DynamoDB的高可用性与OpenSearch的检索性能。

4. Amazon SageMaker Feature Store

若你的向量用于机器学习场景，SageMaker Feature Store可存储特征向量并支持向量检索：

• 深度集成SageMaker ML工作流，可直接对接模型生成的向量嵌入；
• 自带AWS企业级安全管控，适合需要端到端ML数据管理的场景。

方案选型参考 #

• 需混合全文+向量检索：优先选OpenSearch 2.5+；
• 已有关系型数据库生态：选Aurora PostgreSQL/MySQL；
• 追求零运维托管：选Amazon Bedrock；
• 必须基于DynamoDB：根据数据量选择分桶方案或搭配OpenSearch。

内容的提问来源于stack exchange，提问作者CAB