Deskripsi
Infino adalah mesin pengambilan sumber terbuka yang menyediakan kemampuan pencarian teks penuh, vektor, dan SQL secara native di atas file Apache Parquet yang disimpan dalam penyimpanan objek. Arsitektur ini memungkinkan infrastruktur pencarian dan analitik yang dapat diskalakan dengan biaya yang jauh lebih rendah, sering kali disebut 10x lebih murah dibandingkan solusi tradisional.
Baca Selengkapnya
Inti dari fungsi Infino terletak pada kemampuannya untuk menyematkan berbagai fungsi pencarian langsung ke dalam kueri SQL. Ini berarti bahwa agen AI dapat merumuskan pertanyaan kompleks yang biasanya memerlukan beberapa langkah di berbagai basis data (misalnya, pencarian kata kunci, pencarian semantik, pencarian graf, dan agregasi SQL) menjadi satu pernyataan SQL yang terpadu. Infino menangani kompleksitas yang mendasarinya, mengeksekusi mode pencarian yang digabungkan ini untuk memberikan hasil pengambilan yang sangat akurat.
Mesin ini mendukung berbagai jenis pencarian, termasuk BM25 untuk pencarian teks penuh, HNSW dan OPANN + Sq16 untuk pengindeksan vektor, dan pencarian hibrida yang menggabungkan metode ini. Ini juga mengintegrasikan kemampuan pencarian graf, memungkinkan identifikasi catatan yang terhubung berdasarkan kunci yang sama. Pendekatan multi-modal ini meningkatkan akurasi dan efisiensi pengambilan.
Infino dibangun untuk kinerja dan efisiensi biaya, memanfaatkan lebih sedikit memori dan sumber daya komputasi dengan menyimpan data di penyimpanan objek yang murah sambil mempertahankan kecepatan kueri yang tinggi. Ini menawarkan opsi penyebaran yang fleksibel: pengguna dapat menjalankan mesin inti sumber terbuka sendiri di penyimpanan objek mereka (S3, GCS, Azure Blob, atau disk lokal), atau memilih Infino Cloud, layanan serverless multi-tenant yang dikelola. Opsi Enterprise menyediakan penyebaran single-tenant dengan fitur tambahan seperti kueri multi-node dan kunci yang dikelola pelanggan.
Untuk data Parquet yang ada, Infino dapat membangun indeks pengambilan melalui proses yang disebut hidrasi, memungkinkan alat saat ini seperti DuckDB, pandas, dan Spark untuk terus membaca data kolumnar sementara Infino menyediakan akses terindeks. Ini menjadikannya solusi pelengkap untuk platform data yang ada, mampu menggantikan jalur pengambilan khusus seperti Elasticsearch atau basis data vektor untuk beban kerja tertentu, sambil terintegrasi dengan mulus dengan gudang data dan lakehouse.
- KategoriBasis Data Vektor & Pengambilan
- Model HargaFreemium
- PenerapanNuvem, Local, Auto-hospedado
- PlatformWeb
Fitur Inti Infino
Mesin pengambilan sumber terbuka
Pencarian teks penuh (BM25)
Pencarian vektor (HNSW, OPANN + Sq16)
Pencarian hibrida yang menggabungkan beberapa mode
Dukungan kueri SQL (Apache DataFusion)
Operasi native pada file Apache Parquet
Kompatibilitas penyimpanan objek (S3, GCS, Azure Blob)
Kemampuan pencarian graf
Menyematkan fungsi dalam SQL untuk kueri kompleks
Arsitektur hemat biaya dan dapat diskalakan
Kinerja kueri latensi rendah
Opsi penyebaran on-premise dan cloud yang dihosting
Sertifikasi SOC 2 Tipe II (Infino Cloud)
TLS dalam transit dan enkripsi AES-256 saat istirahat
Hidrasi data untuk file Parquet yang ada
Cara menggunakan Infino?
Instal Infino: Gunakan `pip install infino` atau `npm install @infino-ai/infino` untuk mengatur mesin inti sumber terbuka.
Simpan Data: Simpan data Anda dalam format Apache Parquet di dalam bucket penyimpanan objek Anda sendiri (S3, GCS, Azure Blob) atau disk lokal.
Masukkan Data: Tambahkan JSON, Arrow, kolom, atau vektor baru melalui Infino, atau hidrasi file Parquet yang ada untuk membangun indeks pengambilan.
Rumuskan Kueri: Ekspresikan pertanyaan kompleks menggunakan satu pernyataan SQL, memanfaatkan fungsi yang disematkan Infino untuk pencarian kata kunci, semantik, dan graf.
Eksekusi Pencarian: Jalankan kueri untuk melakukan pencarian teks penuh, vektor, atau hibrida, mengambil hasil yang terurut langsung dari data Parquet Anda.
Analisis Hasil: Manfaatkan data yang dikembalikan untuk aplikasi agenik atau integrasikan dengan pembaca Parquet lainnya seperti DuckDB, Spark, atau pandas untuk analisis lebih lanjut.
Kasus Penggunaan Infino
- Menjawab Pertanyaan Agenik
- Pengambilan Data Hemat Biaya
- Pencarian dan Analitik Terpadu
- Analisis Log dan Respons Insiden
- Integrasi Data Lakehouse
- Pencarian Semantik pada Data Tak Terstruktur
- Eksplorasi Data Waktu Nyata
