Databricks 为 Lakebase Postgres 引入全文与向量搜索
Databricks 发布 Lakebase Search，通过 lakebase_vector 与 lakebase_text 两个扩展，为 Lakebase Postgres 带来向量检索与 BM25 全文搜索能力，官方称两者已在 AWS 与 Azure 上正式可用。
核心事实
Databricks 在其官方博客发布 Lakebase Search，为 Lakebase Postgres 加入内置搜索能力。据该博客介绍，这一能力由两个扩展组成：lakebase_vector 负责近似最近邻（ANN）向量检索，lakebase_text 提供 BM25 全文搜索。官方称两者已在 AWS 和 Azure 上正式可用（Generally Available），用户可在 Postgres 内同时运行语义检索、关键词检索与混合检索，而无需再单独搭建一套搜索系统并维护 ETL 管道。
背景与影响
博客指出，pgvector 是 Lakebase Postgres 中安装量最大的扩展，但在规模化场景下存在三类痛点：成本随数据量而非使用量增长、索引构建与维护开销大且可能阻塞数据库、以及单条查询无法并行化导致召回率与延迟之间需要权衡。Lakebase 的做法是把存储与计算解耦，并采用分层 IVF 聚类与二值量化（RaBitQ）压缩向量，使查询只读取真正需要的分块。官方还称索引构建可从主库卸载，架构为无服务器且可缩容至零，按查询用量计费。博客提到客户 Conexiom 在超过 1 亿行数据上运行 BM25 混合搜索。
限制与来源
需要说明的是，上述性能与成本对比均来自 Databricks 官方博客自述，属于厂商口径，尚未经独立第三方验证。博客中出现的吞吐、延迟、召回率、成本倍数等数字，均不应视为通用结论。扩展的可用区域、计费方式、配额与功能细节可能随时调整，请以 Databricks 官网当前信息为准。本文不构成任何采购、投资或迁移建议。