Onehouse ha anunciado la incorporación de la búsqueda vectorial nativa en su plataforma Lakegres, permitiendo indexar y consultar embeddings directamente en tablas Hudi e Iceberg sin necesidad de copiar los datos a sistemas externos. Esta funcionalidad resuelve la limitación actual de los almacenes de datos, donde la mayoría de los conjuntos de datos para agentes de IA son 100 a 1.000 veces más grandes que las bases de datos relacionales tradicionales, haciendo inviable la duplicación de datos para búsquedas vectoriales.
El sistema funciona almacenando el índice como metadatos dentro de las tablas existentes o nuevas, agrupando vectores en clusters y almacenando códigos cuantizados compactos. El mantenimiento del índice se realiza mediante los mismos commits que escriben los archivos de datos, evitando la necesidad de reescribir la tabla. En términos de rendimiento, Lakegres logra tiempos de respuesta de 63,5 ms en la mediana para consultas cálidas en 247 millones de vectores, lo que lo sitúa aproximadamente 10 veces más rápido que Databricks AI Search en su mediana de calor.
Esta innovación permite a los agentes de IA consultar contenido no estructurado, como transcripciones, logs y documentos, junto con los registros de negocio ya presentes en el lakehouse. A diferencia de otros proveedores como Snowflake, Databricks o AWS, que mantienen los índices vectoriales en formatos cerrados o servicios externos, Lakegres gestiona tanto el índice como los datos en formatos abiertos nativos, facilitando la portabilidad y reduciendo la dependencia de motores de búsqueda específicos.
