Обзор и отзыв на pgvectorscale

pgvectorscale — расширение PostgreSQL, которое дополняет pgvector инструментами для индексированного векторного поиска. Его можно развернуть в собственной инфраструктуре или использовать в управляемом сервисе PostgreSQL Tiger Cloud. Это не отдельная векторная база данных и не сервис клиентской поддержки.

Что такое pgvectorscale

В прежних материалах продукт встречается под названием Timescale Vector. Актуальная номенклатура другая: компания Timescale с июня 2025 года называется Tiger Data, её управляемая платформа — Tiger Cloud, а открытое векторное расширение сохранило имя pgvectorscale.

Расширение работает поверх PostgreSQL и pgvector. При установке в базе оно создаётся под именем vectorscale; команда с CASCADE также устанавливает зависимость pgvector. Хранение векторов, типы данных, операторы расстояния и запросы остаются в привычной модели PostgreSQL. pgvectorscale добавляет индекс StreamingDiskANN, Statistical Binary Quantization и фильтрацию по меткам.

Как устроен векторный поиск

StreamingDiskANN

Индекс StreamingDiskANN рассчитан на приближённый поиск ближайших соседей и использует дисковое хранение как часть архитектуры. Практический смысл для команды разработки — возможность оставить векторы и прикладные данные в PostgreSQL, не вводя отдельную СУБД только ради поиска по сходству. Производительность и требования к ресурсам зависят от набора данных, конфигурации PostgreSQL и параметров индекса, поэтому результаты нужно проверять на своей нагрузке.

Statistical Binary Quantization

pgvectorscale использует Statistical Binary Quantization, или SBQ, для компактного представления векторов при поиске. Упоминания Product Quantization в старых обзорах устарели: в актуальном описании расширения указано SBQ.

Индекс поддерживает косинусное расстояние, евклидово расстояние L2 и внутреннее произведение. Эти метрики применяются в распространённых сценариях поиска по сходству, но выбирать конкретную метрику нужно с учётом модели эмбеддингов и задачи приложения.

Фильтры и порядок результата

Для фильтрации непосредственно во время индексного поиска предусмотрены целочисленные метки в массиве smallint[]. Такой вариант подходит, когда набор условий можно заранее представить компактными идентификаторами: например, сегментами доступа или типами документов.

Обычное условие WHERE по произвольным столбцам работает как post-filter: сначала выполняется векторный поиск, затем отбираются строки. Поэтому сложный фильтр может повлиять на полноту выдачи и скорость иначе, чем встроенная фильтрация по меткам. Эти два режима нельзя считать взаимозаменяемыми.

Ещё одно ограничение — relaxed ordering. Результаты индексного поиска могут быть возвращены без строгой сортировки по расстоянию. Если приложению нужен строгий порядок, документация предлагает дополнительный шаг через materialized CTE. Это следует учитывать в запросах, тестах и проверке качества RAG-выдачи.

Развёртывание и работа с кабинетом

Собственная инфраструктура

Самостоятельное развёртывание не требует отдельного веб-кабинета pgvectorscale. Команда запускает PostgreSQL с pgvector и pgvectorscale через готовую Docker-сборку либо собирает расширение из исходного кода. После активации vectorscale разработчики создают индекс и работают через SQL, стандартный протокол PostgreSQL и привычные драйверы приложения.

В этом варианте владелец инфраструктуры сам отвечает за резервное копирование, обновления, сетевой доступ, шифрование, мониторинг и размещение данных. Открытая лицензия не включает стоимость серверов и эксплуатацию базы.

Tiger Cloud

В Tiger Cloud пользователь создаёт управляемый сервис PostgreSQL через облачный кабинет, получает параметры подключения и управляет ресурсами платформы. В документации Tiger Cloud pgvector и pgvectorscale перечислены как расширения, включённые по умолчанию. Облачная платформа берёт на себя часть инфраструктурных задач, но остаётся отдельным продуктом, а не платной редакцией исходного кода pgvectorscale.

Для Tiger Cloud заявлены TLS при подключении, шифрование томов и резервных копий AES-256, резервное копирование с восстановлением на момент времени, MFA и ролевой доступ. Платформа работает на AWS и Microsoft Azure. Эти гарантии относятся к облаку и не переносятся автоматически на самостоятельную установку.

Версия и совместимость

В актуальном списке релизов доступна версия 0.9.0. В ней добавлены поддержка PostgreSQL 18 и создание индекса через CREATE INDEX CONCURRENTLY, а PostgreSQL 13 исключён из поддерживаемых версий. Проект продолжает получать обновления, но перед внедрением нужно сверить матрицу совместимости с конкретной версией PostgreSQL и способом установки.

Лицензия и стоимость

Вариант	Лицензия или оплата	Что оплачивает пользователь
pgvectorscale в собственной инфраструктуре	PostgreSQL License, без отдельной подписки на расширение	Инфраструктуру, администрирование и резервирование
Tiger Cloud Performance	Оплата по потреблению: вычисления от $30 в месяц, хранение — $0,177 за ГБ в месяц	Управляемый облачный сервис и потреблённые ресурсы
Tiger Cloud Scale	Оплата по потреблению: вычисления от $36 в месяц, хранение — $0,212 за ГБ в месяц	Управляемый сервис и потреблённые ресурсы

Цены Tiger Cloud приведены по состоянию на 5 августа 2026 года и могут зависеть от региона и нагрузки. Платформа публикует 30-дневный пробный период. Бесплатные облачные сервисы имеют статус beta, размещаются в регионе us-east-1 и ограничены по возможностям, поэтому их нельзя автоматически считать тарифом для рабочей нагрузки.

Что учитывать пользователям из России

Для оплаты Tiger Cloud официально указан процессинг банковских карт через Stripe. При расходах от $1 000 в месяц доступна оплата по счёту. Найденные официальные материалы не подтверждают приём российских карт, расчёты в рублях или отдельные условия доступа из России.

Российского региона размещения и подтверждения соответствия требованиям 152-ФЗ в проверенной документации нет. Компаниям, которым нужна локализация персональных данных в России, следует отдельно согласовать правовые и платёжные условия с поставщиком либо выбрать самостоятельное развёртывание в подходящей инфраструктуре. В последнем случае место хранения выбирает владелец системы, но он же отвечает за выполнение применимых требований.

Кому подходит pgvectorscale

• Командам, которые уже используют PostgreSQL и хотят хранить прикладные данные и векторы в одной СУБД.
• Разработчикам RAG, семантического поиска и рекомендаций, которым подходят SQL-интерфейс и поддерживаемые метрики расстояния.
• Проектам, готовым проверить StreamingDiskANN и параметры фильтрации на собственном наборе данных.
• Компаниям, которым нужен выбор между самостоятельным развёртыванием и управляемым PostgreSQL в Tiger Cloud.

Расширение будет менее удобным, если команда не использует PostgreSQL, хочет отдельный готовый векторный SaaS с собственным API или не готова учитывать post-filtering и relaxed ordering. В таких случаях архитектуру стоит сравнивать с самостоятельными векторными платформами по требованиям проекта, а не только по результатам чужих тестов.

Мнение автора

pgvectorscale выглядит рациональным вариантом для команд, которые уже строят систему вокруг PostgreSQL и не хотят синхронизировать прикладные данные с отдельной векторной базой. Наиболее ценные возможности здесь — StreamingDiskANN, SBQ и фильтрация по меткам, а не абстрактное обещание ускорения для любой нагрузки.

Перед внедрением я бы проверил качество выдачи, время построения индекса, расход диска и поведение фильтров на собственных данных. Отдельного внимания требуют relaxed ordering и post-filtering: если забыть об этих особенностях, результат запроса может не совпасть с ожиданиями приложения. Для российских компаний self-hosted-развёртывание предсказуемее с точки зрения размещения данных, но эксплуатацию и соответствие требованиям придётся обеспечивать самостоятельно.