Weaviate • vector database(@weaviate_io)
Why are you storing your images twice? If you're building multimodal search, you've probably seen ...
8.5内容质量
TL;DR · AI 摘要
使用blobHash属性类型可避免重复存储媒体文件,通过SHA-256哈希替代完整文件,节省存储成本。
核心要点
- blobHash属性类型可减少存储成本,避免重复文件
- Weaviate通过SHA-256哈希存储媒体,而非完整文件
- 仅在内容变更时重新向量化,提升效率
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- 媒体文件重复存储问题
- 问题根源
- S3源存储与向量数据库双重存储
- 解决方案
- blobHash哈希机制
- SHA-256替代完整文件
- 优势
- 存储成本降低
- 更新效率提升
金句 / Highlights
值得收藏与分享的关键句。
Same file, two places, two bills.
Weaviate keeps a SHA-256 hash instead of the full payload
No more re-embedding thousands of files 'just in case.'
#向量数据库#多模态搜索#数据存储优化
打开原文Weaviate AI 数据库在 X 上的推文:"为什么你要将图像存储两次?如果你正在构建多模态搜索,你可能已经遇到过这种情况:你的图像、音频或视频存储在 S3 中,这是你的数据源。但为了向量化它们,你需要将原始字节发送到向量数据库... 然后它们就只是静静地躺在那里。同样的文件,两个位置,两笔费用。你可以通过使用 𝗯𝗹𝗼𝗯𝗛𝗮𝘀𝗵 属性类型轻松解决这个问题。你以与以往完全相同的方式发送媒体文件,向量化器会嵌入真实内容,一旦完成,Weaviate 会保留 SHA-256 哈希值而非完整数据。向量和可搜索表示保留在 Weaviate 中。实际资产保留在对象存储中,这是它应有的位置。 - 数据库中不再有重复的媒体文件占用磁盘空间 - 向量层与主数据系统之间实现清晰分离 - Weaviate 在更新时比较哈希值,因此只有在内容实际变更时才会重新向量化 不再需要猜测图像是否被修改,也不需要为了“以防万一”重新嵌入成千上万的文件。了解更多请阅读博客:
weaviate.io/blog/weaviate-…
$
00:00
/$
2026年10月20日 下午2:55
·
970
次浏览
2
3
12
5