Hukuki belge SaaS'ı olan StreamDocs, büyük bir S3 bucket'ındaki PDF'lerden bir Amazon Bedrock bilgi tabanı oluşturuyor. Anlamsal erişimi destekleyen ve belge meta verilerini (document_id, page) depolayan vektör araması istiyorlar. Hangi yapılandırma, erişim kalitesi, sürdürülebilirlik ve AWS tarafından yönetilen bileşenler arasında en iyi dengeyi sağlar?

Bu seçenek, Amazon Bedrock bilgi tabanları için en iyi uygulamaları takip eder. S3'ü veri kaynağı olarak kullanmak, PDF'lerin yönetimi için ölçeklenebilir bir çözüm sunar. Metni uygun boyutlarda parçalara bölmek (yaklaşık 500 token) ve çakışma eklemek, anlamsal aramaların doğruluğunu artırır. OpenSearch Service'i k-NN ve HNSW ANN ile kullanmak, vektör aramaları için yüksek performanslı ve yönetilen bir çözüm sağlar. Meta verileri (documentid, page) OpenSearch'ta depolamak, arama sonuçlarının zenginleştirilmesine olanak tanır. KMS şifrelemesi ve IAM rolleri, güvenliği ve erişim kontrolünü garanti eder. Diğer seçenekler şunları içerir: Çok küçük parçalar (5-10 kelime) anlamsal bağlamı kaybetme riskini taşır ve embeddings'leri DynamoDB'de depolamak vektör aramaları için uygun değildir. Ham PDF'ler üzerinde S3 Select ile arama yapmak, anlamsal benzerlik aramalarını desteklemez ve embeddings'leri kullanmaz. Kinesis Data Streams ile isteğe bağlı embeddings hesaplamak ve vektörleri kalıcı olarak depolamamak, her sorguda yeniden hesaplama maliyetine yol açar ve Bedrock'un dahili önbelleği genel bir vektör deposu kadar esnek veya ölçeklenebilir değildir.