DotVector:面向 .NET 10 的嵌入式原生向量数据库

介绍 DotVector 的嵌入式模式、服务端模式、索引能力、持久化边界和 AI 场景价值。

DotVector 是一个面向 .NET 10 的嵌入式原生向量数据库。它的核心特点是进程内运行、单目录持久化、零外部依赖,同时也支持 gRPC 服务端和 Docker 部署。

两种运行形态

DotVector 适合两种典型形态。

第一种是嵌入式模式:应用直接创建 VectorDatabase,在本进程内完成集合创建、向量写入和检索。它适合桌面软件、边缘节点、本地知识库、小型 Copilot、测试工具和离线部署包。

第二种是服务器模式:通过 DotVector 服务端宿主对外提供 gRPC 接口。这个模式适合多个进程共享一个向量库,或者把向量检索作为独立服务部署。

清晰的项目边界

DotVector.Core 是完整的嵌入式引擎,包含 VectorDatabase、本地客户端、索引、存储、查询、协议 DTO 和距离计算。一个数据库实例对应一个 .dvec/ 数据库目录。

DotVector.Data 则提供高层客户端 SDK、gRPC 客户端、嵌入式工厂和 Microsoft.Extensions.VectorData 适配。仓库还提供 C ABI、Python gRPC / Native ctypes 两条跨语言接入路径。

这种分层使它既能作为 NuGet 里的进程内组件,也能向服务化、跨语言调用延展。

核心能力

DotVector README 中列出的能力很完整:向量计算使用 TensorPrimitives、Vector<T>、Vector512<T>;索引方向覆盖 Flat、HNSW、IVF-Flat、IVF-PQ、Vamana;距离度量覆盖 L2、Cosine、InnerProduct、Hamming 和 DotProduct;量化方向包括 SQ8、PQ、OPQ、RQ。

存储层采用 .dvec/ 目录、WAL、Segment 和 mmap 读取。查询层支持向量检索、标量过滤和 payload 持久化。

为什么嵌入式向量库重要

很多 AI 应用并不需要一开始就引入独立向量数据库集群。桌面端知识库、边缘工控机、本地文档检索、企业离线 Copilot、设备说明书检索,这些场景更需要简单部署、可复制目录、可备份和可离线运行。

DotVector 的价值就在这里:让 .NET 应用可以把向量检索当成本地能力,而不是每次都依赖外部服务。

和 SonnetDB 的分工

SonnetDB 侧重时序数据、SQL、地理空间、向量字段和工业数据分析。DotVector 更专注嵌入式向量库和通用向量检索。

在工业 Copilot 场景里,二者可以互补:SonnetDB 保存设备遥测和业务时序,DotVector 保存文档、知识片段、说明书、故障案例和多语言 embedding。Copilot 根据问题同时检索时序数据和知识库,再生成分析建议。

工程建议

向量数据库不是只看索引算法。真正上线时还要看数据目录、WAL、恢复、版本迁移、payload 模型、检索过滤、备份和 SDK 易用性。DotVector 的“单目录持久化 + 进程内运行”让这些问题更容易纳入普通 .NET 应用的生命周期管理。

项目地址:IoTSharp/DotVector

原文地址:https://iotpaper.net/articles/dotvector-embedded-vector-database/