AIP基盤モデルの統合、データ管理、コンプライアンス
ロジスティクス企業がAmazon Bedrock Knowledge Basesを使ったカスタマーサポートRAGシステムを構築しています。S3には200万件のサポート履歴と製品マニュアルが格納されており、サポートエージェントが日常業務で利用します。システム要件は以下の通りです。
①サブ秒の検索レイテンシー
②製品カテゴリと日付範囲によるメタデータフィルタリング
③日本語でのキーワード検索と意味検索を組み合わせた高精度な全文検索
④10 RPSから1,000 RPSへの事前容量計画なしの段階的スケールアップ
⑤最小限の運用負荷
Bedrock Knowledge Basesのベクターストアとして最適な構成はどれですか？
AAmazon OpenSearch Serverlessをベクターストアに設定し、ハイブリッド検索（ベクター＋BM25）とメタデータフィルタリングインデックスを有効化してサーバーレスの自動スケーリングを活用する
✓ 正解
Amazon OpenSearch Serverlessはサーバーレス自動スケーリングで事前容量計画が不要で、Bedrock Knowledge Basesとネイティブ統合しBM25＋ベクターのハイブリッド検索とメタデータフィルタリングをサポートする。
BAmazon Aurora PostgreSQL（pgvector）をAuroraサーバーレスv2で構成し、製品カテゴリと日付にB-treeインデックスを追加してBedrock Knowledge Basesのベクターストアとして統合する
Aurora Serverless v2（pgvector）はスケーリング可能だが、ベクター検索のレイテンシーがOpenSearch Serverlessより劣り、BM25ハイブリッド検索をBedrock Knowledge Basesで利用するには追加実装が必要になる。
CAmazon OpenSearch Service（プロビジョンドクラスター）をベクターストアとして選定し、最大負荷を想定してシャード数を事前計算・設定後にファセットフィルタリングでメタデータ絞り込みを実装する
Amazon OpenSearch Serviceプロビジョンドクラスターは最大負荷に合わせたシャード数の事前計算・設定が必要であり、「事前容量計画なし」の要件に直接反する。
DAmazon RDS for PostgreSQL（pgvector）にIVFFlatインデックスを設定し、マルチAZとリードレプリカを追加してBedrock Knowledge Basesのカスタムデータソースとして統合する
Amazon RDS for PostgreSQL（pgvector）はリードレプリカで読み取りスケールアウトできるが、高RPSでのベクター検索の水平スケールに限界があり、最小運用負荷の要件も満たしにくい。
解説
Amazon OpenSearch Serverlessはサーバーレスアーキテクチャで事前容量計画不要の自動スケーリングを提供する。Bedrock Knowledge Basesとネイティブ統合し、BM25＋ベクターのハイブリッド検索とメタデータフィルタリングを標準でサポートする。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIPを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →