Datos · 10 de noviembre de 2026
Tiger Data lanza la extensión de código abierto pg_vectorsearch para mejorar la búsqueda vectorial en PostgreSQL
Tiger Data ha publicado pg_vectorsearch, una extensión de código abierto para PostgreSQL diseñada para realizar búsquedas de similitud vectorial con mayor escalabilidad, la cual se encuentra actualmente en fase alfa. Esta herramienta introduce un nuevo método de indexación que busca reducir los requisitos de memoria y los tiempos de construcción de índices en comparación con las soluciones existentes, permitiendo a los desarrolladores ejecutar búsquedas vectoriales directamente dentro de la base de datos sin necesidad de infraestructura separada.
La extensión utiliza un índice llamado PRISM, el cual emplea un enfoque basado en particiones de datos y compresión en lugar del método basado en grafos que utiliza el índice HNSW de la extensión pgvector. Según los autores, esta arquitectura agrupa vectores similares en particiones y los almacena como listas en un formato comprimido que se empaqueta densamente en las páginas de la base de datos. Este proceso evita el acceso aleatorio costoso a la memoria o al disco y permite escaneos secuenciales eficientes, lo que resulta en una búsqueda más rápida con menos memoria RAM.
En pruebas de rendimiento realizadas por Tiger Data utilizando cien millones de vectores, el índice PRISM construyó un índice en una hora y cuarenta minutos en una máquina con ciento veintiocho gigabytes de memoria. En contraste, el índice HNSW tardó cuarenta y dos horas en completar la misma tarea en una máquina con quinientos doce gigabytes de memoria. La compañía, anteriormente conocida como Timescale, es también la creadora de TimescaleDB, una extensión de PostgreSQL para datos de series temporales y análisis en tiempo real.
La arquitectura del índice PRISM combina agrupamiento jerárquico para reducir el espacio de búsqueda, vectores comprimidos para el escaneo secuencial y cuantización RaBitQ para disminuir los cálculos de distancia costosos. Para mejorar la exhaustividad de los resultados, el sistema duplica los vectores cercanos a los límites de las particiones y depende de los mecanismos nativos de almacenamiento, registro y concurrencia de PostgreSQL. Michael Freedman, cofundador y director de tecnología de la empresa, ha detallado que el mantenimiento de los agrupamientos a medida que cambian los datos representa un desafío técnico significativo.
Actualmente, el reequilibrio incremental no está totalmente implementado, lo que significa que los cambios frecuentes en los datos pueden requerir la reconstrucción del índice para mantener la eficiencia de la búsqueda. Los desarrolladores explican que los centroides no se mueven automáticamente cuando llegan nuevos vectores y que las listas de publicaciones pierden gradualmente su localidad física original. Aunque se admite la división limitada bajo demanda de listas de publicaciones de gran tamaño para índices planos, las operaciones generales de reequilibrio, incluidas la fusión y la reasignación, aún no se han desarrollado.
La nueva extensión requiere PostgreSQL 18 o versiones posteriores y admite actualmente vectores con hasta mil novecientas sesenta y ocho dimensiones. Las búsquedas vectoriales filtradas que combinan cláusulas de selección y ordenación no tendrán soporte hasta que el software alcance su disponibilidad general. El código del proyecto está disponible en GitHub. Tiger Data tiene previsto mover su extensión existente, pgvectorscale, a un modo de mantenimiento. Algunos profesionales han expresado interés técnico pero también cautela, señalando la falta de validación independiente de los puntos de referencia y la ausencia actual de soporte para búsquedas filtradas.