SurrealDB là gì

SurrealDB là cơ sở dữ liệu đa mô hình thế hệ mới, được thiết kế làm lớp ngữ cảnh thống nhất cho các tác nhân AI. Khác với các cơ sở dữ liệu truyền thống buộc phải chọn giữa mô hình tài liệu, đồ thị hoặc quan hệ, SurrealDB hỗ trợ nguyên bản tất cả các mô hình này cùng với tìm kiếm vector và dữ liệu chuỗi thời gian. Bằng cách hợp nhất các cấu trúc dữ liệu này vào một engine duy nhất, nó loại bỏ nhu cầu về các đường ống đồng bộ hóa dữ liệu phức tạp giữa các cơ sở dữ liệu rời rạc. Nó sở hữu ngôn ngữ truy vấn độc quyền, SurrealQL, cho phép thực hiện các thao tác join phức tạp và duyệt đồ thị trong một câu lệnh duy nhất, giúp giảm đáng kể độ trễ cho các đường ống RAG (Retrieval-Augmented Generation) và quản lý bộ nhớ tác nhân.

Các tính năng chính của SurrealDB

Kiến trúc đa mô hình thống nhất

SurrealDB kết hợp các mô hình dữ liệu tài liệu, đồ thị, quan hệ và vector vào một engine duy nhất. Điều này loại bỏ tình trạng 'phân mảnh cơ sở dữ liệu' phổ biến trong các stack AI, nơi các nhà phát triển trước đây phải quản lý các kho lưu trữ riêng biệt cho dữ liệu quan hệ và vector embedding. Bằng cách thống nhất chúng, nhà phát triển có thể thực hiện các giao dịch tuân thủ ACID trên các mối quan hệ đồ thị và tìm kiếm tương đồng vector trong một truy vấn nguyên tử, đảm bảo tính nhất quán của dữ liệu và giảm độ phức tạp kiến trúc.

Tìm kiếm Vector nguyên bản

Engine bao gồm hỗ trợ tích hợp cho vector embedding, cho phép tìm kiếm tương đồng hiệu suất cao (k-NN) trực tiếp trong cơ sở dữ liệu. Nó hỗ trợ nhiều thước đo khoảng cách như Cosine, Euclidean và Manhattan. Bằng cách giữ các vector cùng với siêu dữ liệu và mối quan hệ đồ thị liên quan, nó cho phép các tác nhân thực hiện truy xuất 'có nhận thức ngữ cảnh', không chỉ lấy tài liệu tương đồng nhất mà còn cả các thực thể liên quan và dữ liệu chuỗi thời gian lịch sử trong một yêu cầu duy nhất.

Ngôn ngữ truy vấn SurrealQL

SurrealQL là ngôn ngữ mạnh mẽ, lấy cảm hứng từ SQL, được thiết kế cho các cấu trúc dữ liệu hiện đại. Nó hỗ trợ các tính năng nâng cao như truy vấn con lồng nhau, duyệt đồ thị (ví dụ: '->follows->user') và các hàm tích hợp để thao tác dữ liệu. Khác với SQL tiêu chuẩn, nó được tối ưu hóa cho dữ liệu phi quan hệ, cho phép nhà phát triển truy vấn các tài liệu JSON lồng sâu và các cạnh đồ thị mà không cần join phức tạp hoặc xử lý bên ngoài, điều này rất quan trọng cho việc ra quyết định của tác nhân theo thời gian thực.

Truy vấn trực tiếp thời gian thực

SurrealDB hỗ trợ truy vấn trực tiếp, cho phép khách hàng đăng ký thay đổi dữ liệu theo thời gian thực qua WebSockets. Khi một bản ghi được tạo, cập nhật hoặc xóa, cơ sở dữ liệu sẽ đẩy thay đổi đó đến khách hàng. Điều này rất cần thiết cho các tác nhân AI cần phản ứng ngay lập tức với các thay đổi trạng thái trong môi trường, cho phép kiến trúc hướng sự kiện mà không cần polling hoặc các trình môi giới tin nhắn bên ngoài như Kafka.

Tùy chọn triển khai linh hoạt

Cơ sở dữ liệu có thể chạy trong một cụm phân tán, có tính sẵn sàng cao, máy chủ đơn nút hoặc thậm chí nhúng trực tiếp vào ứng dụng (trong bộ nhớ hoặc trên đĩa). Sự linh hoạt này làm cho nó phù hợp với mọi thứ, từ các tác nhân AI điện toán biên chạy trên thiết bị cục bộ đến các ứng dụng cloud-native quy mô lớn. Nó cung cấp API nhất quán trên tất cả các chế độ triển khai, cho phép nhà phát triển tạo mẫu cục bộ và mở rộng quy mô lên sản xuất mà không cần thay đổi codebase.

Cách sử dụng SurrealDB

Tải binary cho hệ điều hành của bạn qua 'curl -sSf https://install.surrealdb.com | sh' hoặc sử dụng Docker image chính thức.,2. Khởi động máy chủ cơ sở dữ liệu ở chế độ bộ nhớ hoặc lưu trữ bền vững bằng 'surreal start --user root --pass root'.,3. Kết nối bằng SurrealDB CLI hoặc các SDK ngôn ngữ cụ thể (Node.js, Python, Rust, Go, hoặc Java).,4. Định nghĩa schema bằng SurrealQL, bao gồm các chỉ mục vector để lưu trữ embedding và các cạnh đồ thị để ánh xạ mối quan hệ.,5. Thực thi truy vấn trực tiếp hoặc qua REST/WebSocket API để thực hiện các thao tác CRUD và duyệt đồ thị phức tạp.,6. Tích hợp với các framework LLM như LangChain hoặc LlamaIndex bằng các trình kết nối vector store chính thức của SurrealDB.

Các trường hợp sử dụng của SurrealDB

Tối ưu hóa đường ống RAG

Nhà phát triển sử dụng SurrealDB để lưu trữ cả tài liệu thô và vector embedding của chúng. Khi một tác nhân truy vấn thông tin, nó thực hiện một truy vấn duy nhất để lấy tài liệu khớp vector liên quan và siêu dữ liệu dựa trên đồ thị đi kèm, cung cấp cho LLM ngữ cảnh phong phú và có cấu trúc hơn so với cơ sở dữ liệu vector tiêu chuẩn.

Quản lý bộ nhớ tác nhân

Các tác nhân AI sử dụng SurrealDB để lưu trữ bộ nhớ tình tiết dài hạn. Bằng cách sử dụng các cạnh đồ thị để liên kết các tương tác trong quá khứ, sở thích người dùng và nhật ký chuỗi thời gian, tác nhân có thể duyệt qua lịch sử của chính nó để cung cấp các phản hồi cá nhân hóa dựa trên các mối quan hệ đa chiều phức tạp thay vì chỉ khớp từ khóa đơn giản.

Đồ thị tri thức thời gian thực

Các công ty xây dựng đồ thị tri thức động nơi các thực thể và mối quan hệ được cập nhật theo thời gian thực. SurrealDB cho phép các thực thể này được truy vấn như tài liệu trong khi vẫn duy trì tính toàn vẹn của đồ thị, cho phép các tác nhân điều hướng các hệ thống phân cấp tổ chức hoặc kỹ thuật phức tạp ngay lập tức.

Ai sẽ được lợi từ SurrealDB

Kỹ sư AI/ML

Cần một backend mạnh mẽ để quản lý các đường ống RAG và bộ nhớ tác nhân. Họ yêu cầu tìm kiếm vector hiệu suất cao kết hợp với dữ liệu có cấu trúc để cung cấp cho LLM thông tin chính xác, giàu ngữ cảnh.

Nhà phát triển Full-Stack

Đang tìm cách đơn giản hóa stack công nghệ bằng cách thay thế nhiều cơ sở dữ liệu chuyên biệt (ví dụ: Postgres, Pinecone, Neo4j) bằng một giải pháp thống nhất duy nhất xử lý hiệu quả mọi loại dữ liệu.

Kiến trúc sư điện toán biên

Yêu cầu một cơ sở dữ liệu nhẹ, có thể nhúng, chạy cục bộ trên các thiết bị biên trong khi vẫn duy trì sức mạnh của một cơ sở dữ liệu đa mô hình đầy đủ tính năng cho xử lý AI ngoại tuyến.