Architecture — VantaDB
Retrieval Pipeline
Cómo un query se convierte en resultados ordenados. El motor planifica y ejecuta las rutas léxica y vectorial en paralelo, luego las fusiona con Reciprocal Rank Fusion.
Query
namespace + key
db.search_memory(...)BM25 · Lexical Path
inverted index · phrase positions
Term-frequency scoring sobre payloads UTF-8. Índice de texto derivado, reparable desde registros canónicos.
HNSW · Vector Path
cosine · M · ef_search
Hierarchical small-world graph nativo. Cosine similarity con parámetros configurables de construcción y búsqueda.
RRF Fusion
reciprocal rank
score = Σ 1/(k + rank)
WAL Recovery · CRC32C
crash-safe · append-only
Cada mutación golpea el Write-Ahead Log con checksums CRC32C antes del commit. En el reinicio, el log replega las mutaciones canónicas en orden — durable ante crashes, corte de energía y kill del proceso.
Embedded Surface
Rust + PyO3
Stable src/sdk.rs boundary. Cero hops de red, ejecución in-process.
Ranked Hits
top_k · HNSW p50 1.2ms
99.8% Recall@10 en sets sintéticos validados de 10K–100K.
Leé la arquitectura completa
Modelo de durabilidad, mecanismos de retrieval y la frontera del SDK — en los docs.
Search Semantics
El contrato de retrieval shipped — lo que el motor garantiza hoy.
Cosine por defecto
El path ANN shipped usa cosine similarity en todo el traversal HNSW.
Retrieval con namespace scope
list/search usan índices derivados de namespace y metadata escalar; los registros canónicos siguen siendo la source of truth.
Fusión híbrida nativa
El motor planifica y ejecuta queries léxicos (BM25) y vectoriales (Cosine), fusionándolos con Reciprocal Rank Fusion (RRF).
Stress path SIFT-1M
SIFT-1M sigue siendo útil como escenario de stress/recovery vía el workflow Heavy Certification.
Product Boundary
VantaDB es un motor de memoria embebido — no una base de datos multimodelo universal ni plataforma cloud. Scope honesto, shipped hoy.
Production-facing
SDK/CLI embebido, memory CRUD/search, WAL/recovery, namespaces, metadata indexes, HNSW vector retrieval, BM25, Hybrid Retrieval v1, phrase filtering, rebuild/audit/repair, JSONL export/import
Wrapper opcional
vanta-server local alrededor del core embebido
Experimental / no MVP
IQL/LISP/DQL, MCP, integración LLM/Ollama, semánticas de gobernanza y mantenimiento, graph traversal más allá de aristas locales almacenadas
Deferred
Plataforma cloud/enterprise, HA/replicación, clustering distribuido, SQL/OLTP/warehouse/time-series, ranking avanzado, RBAC, multi-tenancy
MVP = memoria embebida + WAL + vector/BM25/hybrid + export/import + CLI/Python