pgvector（ピージーベクター）

概要

pgvector は PostgreSQL 用のベクトル検索拡張で、2026年にリリースされた 0.8 バージョンが最新です。ベクトル型を標準型として扱い、IVFFlat と HNSW の二種類のインデックスをサポートします。さらに、halfvec（2byte）や sparsevec、bit vector 型を追加し、L2、Cosine、Inner Product の距離計算が可能です。Supabase、Neon、AWS RDS、Azure Database for PostgreSQL、Google Cloud SQL など主要クラウドサービスに完全対応し、Qdrant や Pinecone を経由せずに RAG（Retrieval‑Augmented Generation）を実装できる点が特徴です。

主な特徴・仕組み

• インデックス種類
  • IVFFlat：高速な検索と低メモリ消費
  • HNSW：高精度検索と再帰的近傍探索
• データ型拡張
  • halfvec（2byte）：メモリ効率 50%
  • sparsevec：疎行列をそのまま格納
  • bit vector：ビット単位での類似度計算
• 距離関数
  • L2（ユークリッド距離）
  • Cosine（角度距離）
  • Inner Product（内積）
• クラウド対応
  • Supabase、Neon、AWS RDS、Azure Database for PostgreSQL、Google Cloud SQL で即導入
• RAG 実装
  • 2026年時点で Qdrant/Pinecone を経由せずに RAG が主流化
• パフォーマンス
  • 1,024 次元で 1,000,000 件の検索を 30 ms で完了
  • 2,048 次元で 10 GB のベクトルを 80 ms で検索

スペック/製品比較表

具体例・対応製品

• GPU
  • RTX 5090：24 GB GDDR7、5.7 GHz
  • RTX 4090：24 GB GDDR6X、2.5 GHz
• CPU
  • Ryzen 9 9950X3D：16 コア、5.0 GHz
  • Core Ultra 9 285K：24 コア、5.7 GHz
  • Core i9‑13900K：24 コア、5.8 GHz
• メモリ
  • DDR5‑6000：32 GB、240 MHz
  • DDR5‑4800：16 GB、200 MHz
• ストレージ
  • NVMe SSD 2 TB、3 000 MB/s
  • SATA SSD 1 TB、550 MB/s
• PCIe
  • PCIe 5.0 x16：32 Gbps
  • PCIe 4.0 x16：16 Gbps
• 電源
  • 650 W、80 Plus Gold
  • 750 W、80 Plus Platinum

自作PCでの選び方・注意点

• CPU と GPU のバランス
  • ベクトル検索は CPU の SIMD 命令と GPU の CUDA コアを併用するため、Ryzen 9 9950X3D と RTX 5090 の組み合わせが最適。
• メモリ容量
  • 1 GB のベクトルを 10 GB で検索する場合、DDR5‑6000 32 GB 以上を推奨。
• ストレージ速度
  • NVMe SSD 2 TB で 3 000 MB/s を確保し、データロード時間を短縮。
• 電源容量
  • RTX 5090 の TDP は 450 W、CPU は 150 W 以上。750 W 以上の電源を選択。
• 冷却
  • 最高温度 95 °C を下回るよう、液体冷却を検討。
• ケース
  • 600 mm 以上のケースで PCIe 5.0 x16 を十分に拡張。
• OS と PostgreSQL バージョン
  • PostgreSQL 15.3 以上、pgvector 0.8 をインストール。
• クラウド連携
  • Supabase の API キーを取得し、ローカルとクラウドで同期。

関連用語との違い

• pgvector vs Qdrant
  • pgvector は PostgreSQL の拡張で、既存の RDBMS と統合できる。
  • Qdrant は専用ベクトルデータベースで、独自 API を持つ。
• pgvector vs Pinecone
  • Pinecone は SaaS で管理されるベクトル検索サービス。
  • pgvector は自前で構築でき、データの完全制御が可能。
• pgvector vs Faiss
  • Faiss は C++/Python ライブラリで、GPU で高速検索。
  • pgvector は SQL で直接クエリでき、トランザクション管理が可能。

よくある質問

Q1. pgvector はどの PostgreSQL バージョンで使えますか？
A1. PostgreSQL 15.3 以降で動作します。バージョン 15.2 以前は不安定です。

Q2. 既存のベクトルデータを pgvector に移行する手順は？
A2. COPY で CSV をインポートし、ALTER TABLE で vector 型に変更。インデックスは CREATE INDEX で作成。

Q3. 2026年に RAG が主流化した理由は？
A3. pgvector 0.8 がクラウドサービス全対応し、Qdrant/Pinecone を経由せずに高速検索が可能になったため。

まとめ

pgvector 0.8 は PostgreSQL でベクトル検索を実現する次世代拡張です。IVFFlat と HNSW の二重インデックス、halfvec・sparsevec・bit vector 型の追加、L2・Cosine・Inner Product の距離関数、主要クラウドサービス全対応、そして Qdrant/Pinecone を経由せずに RAG を実装できる点が大きな魅力です。自作PC で構築する際は CPU・GPU・メモリ・ストレージ・電源・冷却をバランス良く選び、PostgreSQL 15.3 以上と pgvector 0.8 を組み合わせることで、2026年の最新ベクトル検索環境を手軽に構築できます。