各データベースの特徴と適する用途は、それぞれ以下の通りだ。

ベクトルデータベース

　ベクトルデータベースは、非構造化データを数値化して扱えるベクトル形式でデータを管理する、類似検索に特化したデータベース。類似検索は、クエリ（問い合わせや命令）との類似性を指標に検索結果を順位付けるもの。テキストや画像などのデータを数値に変換することで、数字を比較してデータ同士の類似性を計算し、検索する。

　データ分析ベンダーDAS42でプリンシパルコンサルタントを務めるジェフ・スプリンガー氏は、ベクトルデータベースの用途として自然言語処理（NLP）や大規模言語モデル（LLM）、レコメンデーションエンジンなどで利用されるセマンティック検索 （エンドユーザーの意図をくみ取って情報を探す検索手法）を挙げる。

　他にもベクトルデータベースは、外部データベースからの情報を検索してLLMの回答精度を高める手法であるRAGにも使用される。

リレーショナルデータベース

　リレーショナルデータベース（RDB）は、データを行と列で構成されたテーブルでデータを管理するデータベース。エンティティ（データベースで扱う対象や概念を定義するもの）とその相互関係を保持しており、関係に基づくクエリを実行できる。

　リレーショナルデータベースは幅広い用途に適する。企業が販売や財務、人事、サプライチェーン部門を有する場合、顧客や商品の情報を整理して保管するためにリレーショナルデータベースが必要となる。

グラフデータベース

　グラフデータベース（グラフDB）は、データの関係性をノード（点）とエッジ（線）で表現し、複雑なネットワークや関係性のクエリ処理に優れるデータベース。

　グラフデータベースは、複雑に関連したデータ間のモデリング（データの関連性を定義すること）や分析に適している。例えば、ソーシャルネットワーク 内のインフルエンサー、コミュニティーを特定したり、不正な行動やデータの異常などを検出したりする用途に使用される。

　グラフデータベースは以下の2種類に分類される。

• プロパティグラフ
  • グラフデータベースで用いられる一般的なモデル。複雑なデータの関係を効率的に管理できる。
  • SNSや不正検出、レコメンデーションシステムなどに使用される。
• ナレッジグラフ
  • 知識の管理と検索に焦点を当てたモデルで、複雑な知識を体系化するのに役立つ。
  • 検索エンジン、FAQシステムなどに使用される。

なぜ「ベクトルデータベース」を選ぶのか？

　リレーショナルデータベースやグラフデータベースではなくベクトルデータベースが必要となる大きな理由は、テキストや文書、画像といった「非構造化データ」の扱いにある。

　ベクトルデータベースは、非構造化データをベクトル形式に変換することに優れている。ベクトルデータベースの導入によって、非構造化データから貴重な洞察を引き出せるようになる。

　ベクトルデータベースのアーキテクチャは、他のデータベースと根本的に異なる。データモデリングだけでなく、データの保存やインデックス作成、クエリ処理などを異なる方法で実施する。ベクトルデータベースは通常、複数のサーバにデータを分散させることでシステム全体の処理能力を向上させる「水平スケーリング」を採用する。

　一方、リレーショナルデータベースは、既存のサーバやコンピュータにCPUやメモリなどのリソースを追加する「垂直スケーリング」を採用することが一般的だ。

　次回は、ベクトルデータベースがLLMの性能向上にどう役立つのかを解説する。