Co je multitenancy v databázích vektorů?

Když nahráváte a spravujete svá data na GitHubu, která nikdo jiný nemůže vidět, pokud je neučiníte veřejnými, sdílíte fyzickou infrastrukturu s ostatními uživateli. To je proto, že GitHub používá multitenancy jako nákladově efektivní a snadněji spravovatelnou alternativu k přiřazování samostatné databáze každému uživateli.

Avšak sdílení stejné infrastruktury se stává bezpečnostním rizikem, když všichni uživatelé mohou zobrazit data ostatních. Multitenancy řeší tento problém logickým rozdělením uživatelských dat, zatímco umožňuje jim běhat na stejných zdrojích.

Tento článek zkoumá multitenancy v databázích vektorů, jeho výhody, omezení a reálné použití.

Jak funguje multitenancy v databázích vektorů?

Multitenancy je přístup, kde více tenantů, tj. uživatelů, sdílí stejnou databázi, ale ukládají svá data v izolovaném prostředí.

Izolované prostředí je vytvořeno pomocí jedinečných přihlašovacích údajů pro každého tenanta, aby zabezpečilo svá data. Jako výsledek, každý tenant může ukládat, spravovat a měnit svá data ve svém izolovaném prostředí. Avšak společnost má přístup ke správě a řízení zdrojů a omezení tenantů.

Ukázka ilustrace dvou tenantů s izolovaným přístupem ke stejné databázi. Zdroj obrázku: Qdrant

Databáze vektorů používají indexování jako vyhledávací techniku, která organizuje vektory na základě podobnosti. Strategie indexování ovlivňuje rozdělení dat tenantů. V současné době se používají dvě strategie indexování v multitenantních databázích vektorů.

Podívejme se na obě strategie indexování v multitenantních databázích vektorů:

1. Sdílené indexování: Všichni tenanti sdílí stejný index s jedinečnými přihlašovacím údaji, které rozdělují data. Tato metoda je paměťově efektivní. Avšak vyžaduje robustní bezpečnost a mechanismy řízení přístupu, aby chránila data tenantů.
2. Indexování pro každého tenanta: Každý tenant má samostatný index v indexování pro každého tenanta. To umožňuje kompletní řízení přístupu a zlepšenou vyhledávací výkonnost. Avšak tato metoda je náročná na zdroje.

Některé databáze vektorů jako Qdrant a Milvus nabízejí multitenantní architekturu, aby umožnily přidání přizpůsobení a škálovatelnosti pro uživatele s oběma strategiemi indexování.

Výhody multitenancy v databázích vektorů

Multitenancy v databázích vektorů nabízí řadu výhod pro společnosti, které vyžadují izolované databázové instance pro několik uživatelů. Některé z těchto výhod zahrnují:

1. Snížení nákladů

Používání méně zdrojů pro více uživatelů vede ke snížení infrastrukturních nákladů.

2. Škálovatelnost

Multitenancy umožňuje sdílení zdrojů na základě potřeby. To znamená, že tenanti s větším požadavkem na úložiště získají více zdrojů a naopak.

3. Přizpůsobení

Samostatné prostředí umožňuje tenantům konfigurovat jej podle svých potřeb, včetně databázové schémy, pluginů, metrik a dashboardů. Konfigurace jsou soukromé pro tenanta a tenanti je mohou měnit, jak se mění jejich požadavky.

4. Správa

Jedna databáze pro všechny tenanta umožňuje centrální správu zdrojů, konfiguraci a monitorování místo monitorování všech tenantů samostatně. Zatímco společnost může spravovat všechny tenanta v jednom místě, tenanti mají kontrolu nad svými daty ve svém izolovaném prostředí.

Omezení multitenancy v databázích vektorů

Jako každý jiný architektonický přístup, má multitenancy některá omezení. Je důležité brát v úvahu tato omezení pro pečlivé rozhodování. Nejčastější omezení zahrnují:

1. Přídavné složitosti

Správa více tenantů na jednom zdroji vyžaduje přidání konfigurace. To zahrnuje přihlášení tenanta, řízení přístupu, ověření uživatele a autorizaci. Nedostatek znalostí a podpory může vést k nežádoucím výsledkům, jako je náhodné sdílení dat nebo přetížení zdrojů.

Aby se tomu zabránilo, pečlivé plánování a podpory databáze zajišťuje bezpečné uživatelské prostředí.

2. Bezpečnostní obavy

Zlomyslný přístup, náhodné nesprávné konfigurace nebo zranitelnosti v základní infrastruktuře mohou vést ke sdílení dat mezi tenanta. Jako ochranné opatření, pečlivé navrhování, pravidelné audity a vícevrstvé bezpečnostní opatření mohou posílit celkovou bezpečnost.

3. Problémy s výkonem

Vyšší využití zdrojů jedním tenantem může zpomalit výkon ostatních. Sdílené indexování zejména ovlivňuje vyhledávací výkon kvůli kontrolám přístupu v době běhu. Správa zdrojů a kontrola, pravidelné aktualizace a vzdělávání tenantů jsou důležité pro zmírnění problémů s výkonem.

4. Systémové výpadek

Plánovaná údržba, selhání hardwaru a softwareové chyby ovlivňují všechny tenanta, když sdílejí stejnou infrastrukturu. To vede ke ztrátám dat, pověsti a finančním ztrátám. Pravidelná hodnocení rizik, zajištění kvality infrastruktury a včasná záloha mohou minimalizovat negativní dopad systémových výpadků.

Případy použití multitenancy

Multitenancy je užitečná v různých aplikacích, od e-commerce doporučení systémů až po školení velkých modelů strojového učení (ML) ve společnostech. Některé z nejčastějších případů použití zahrnují:

1. Doporučení systémy

Představte si e-commerce platformu, kde uživatelé se mohou registrovat a uložit svá nákupní preference. Multitenantní nastavení umožní personalizovaná produktová doporučení pro každého uživatele.

Na e-commerce platformě mohou všichni tenanti nastavit svá kritéria, aby doporučení systém poslal personalizovaná produktová doporučení koncovým uživatelům.

2. Podnikové aplikace

Velké softwareové aplikace, které slouží více zaměstnancům a zákazníkům, používají stejnou databázi pro všechny uživatele. Všichni uživatelé mohou nahrávat a spravovat svá data, zatímco chrání je před ostatními. Například Dropbox a HubSpot (HUBS ) umožňují všem uživatelům sdílet stejné zdroje, zatímco chrání svá data před ostatními.

3. Detekce anomálií a podvodů

Multitenancy umožňuje vývoj robustních doporučení systémů pro detekci podvodů, zatímco udržuje individuální data bezpečná. Společnosti školicí modely detekce podvodů na svých anonymizovaných datech a posílají pouze vyškolený model přes centralizovanou databázi. To umožňuje jim udržet svá data bezpečná, zatímco přispívají k vývoji doporučení systémů pro detekci podvodů.

Například systémy detekce podvodů s pomocí kreditních karet používají ML pro lepší soukromí a efektivitu.

Kdy použít a kdy nepoužívat multitenancy

Mnoho faktorů přispívá k rozhodnutí o přechodu na multitenancy, včetně výkonu tenanta, požadavků na izolaci a bezpečnostních obav. Podívejme se, kdy a kdy nepoužívat multitenancy podrobněji níže.

Kdy použít multitenancy

Následující ukazatele činí multitenancy dobrým výběrem:

1. Více tenantů potřebuje samostatná prostředí.
2. Tenanti mohou akceptovat kompromisy ve výkonu.
3. Snížení nákladů je vaší prioritou.
4. Centrální správa tenantů zlepšuje vaše operace.

Kdy nepoužívat multitenancy

Omezení multitenancy brání tomu, aby byla dobrým výběrem pro všechny situace. Multitenantní databáze vektorů není dobrým výběrem pro vás, pokud máte následující požadavky:

1. Tenanti vlastní vysoce citlivá data s přísnými bezpečnostními požadavky.
2. Omezený počet tenantů se zpomaleným růstem.
3. Tenanti vyžadují専né prostředí a nemohou tolerovat degradaci výkonu.
4. Omezené znalosti a schopnosti multitenancy a rostoucí složitost.

Multitenancy přináší dodatečnou škálovatelnost a správu do databází vektorů. Pokud je správně nakonfigurována, multitenancy šetří významné náklady a zdroje pro organizaci.

Zajímáte se o více obsahu souvisejícího s umělou inteligencí? Udržujte kontakt s unite.ai.