黔西南布依族苗族自治州网站建设_网站建设公司_UI设计_seo优化

re:Invent 2025，亚马逊云科技带来一系列重磅发布，掀起全球云计算创新浪潮。为帮助开发者们深入了解各项技术创新成果、上手使用最新功能，特推出本系列解读文章，助您探索云上未来的无限可能！

在re:Invent 2025，亚马逊云科技宣布Amazon S3 Vectors正式可用，其扩展能力与企业级性能均实现大幅提升。Amazon S3 Vectors是首款原生支持存储与查询向量数据的云对象存储服务。相较于专门的向量数据库解决方案，它能帮助您将向量存储与查询的总成本降低高达90%。

自2025年7月推出Amazon S3 Vectors预览版以来，广大用户迅速开始采用这项新功能来存储和查询向量数据。截至2025年11月28日，在短短四个多月的时间里，用户已创建超过25万个向量索引，导入超400亿个向量，并执行了超10亿次查询。

您在单个索引中即可存储并检索多达20亿个向量，这意味着一个向量存储桶可存储的向量最多可达20万亿个，相较预览阶段单索引5000万向量的上限，存储容量提升了40倍。因此，您能够将全部向量数据集整合至单个索引中，无需拆分至多个小型索引中，也无需部署复杂的联合查询逻辑。

同时，AmazonS3 Vectors的查询性能也得到了进一步优化。低频查询仍能在1秒钟以内返回结果，高频查询的延迟则进一步降至100毫秒左右乃至更低，非常适用于对话式AI与多Agents工作流等交互式应用场景。此外，单次查询可检索的结果数量也从原先的30条提升至100条，能够为检索增强生成（RAG）应用提供更全面的上下文信息。

AmazonS3 Vectors的写入性能同样实现大幅提升，在将单向量更新流式传输至索引时，每秒可支持多达1000次PUT事务操作，为小批量数据场景提供了更高的写入吞吐量。这种更高的吞吐量可满足立即检索新写入数据的工作负载需求，助力用户快速导入小型数据集，或处理多个并发数据源同时向同一索引写入数据的情况。

其全托管无服务器架构消除了基础设施管理开销，用户无需部署任何基础设施，也无需配置计算资源，只需根据实际存储与查询向量的用量付费。这款专为AI打造的存储服务，可让用户快速访问任意规模的向量数据，为完整的AI开发生命周期提供支撑，包括从初期的实验与原型设计到大规模生产部署的全流程。

AmazonS3 Vectors可为AI Agent、推理、语义搜索和RAG应用等生产级工作负载，提供所需的扩展能力和性能表现。

此前以预览版形式推出的两项核心集成功能也已正式可用。用户可将Amazon S3 Vectors作为Amazon Bedrock知识库的向量存储引擎，借助它构建具备企业级扩展能力与性能表现的RAG应用。此外，Amazon S3 Vectors与Amazon OpenSearch的集成功能也已上线，您可将Amazon S3 Vectors作为向量存储层，集成Amazon OpenSearch实现检索与分析功能。

Amazon S3 Vectors的服务范围也已从预览版阶段的5个亚马逊云科技区域，拓展至14个亚马逊云科技区域。

工作原理

下面将演示如何通过亚马逊云科技控制台与Amazon Web Services CLI，操作Amazon S3 Vectors。

首先，创建一个Amazon S3向量存储桶与一个向量索引。

echo "Creating S3 Vector bucket..."aws s3vectors create-vector-bucket \ --vector-bucket-name "$BUCKET_NAME" echo "Creating vector index..."aws s3vectors create-index \ --vector-bucket-name "$BUCKET_NAME" \ --index-name "$INDEX_NAME" \ --data-type "float32" \ --dimension "$DIMENSIONS" \ --distance-metric "$DISTANCE_METRIC" \ --metadata-configuration "nonFilterableMetadataKeys=AMAZON_BEDROCK_TEXT,AMAZON_BEDROCK_METADATA"

左右滑动查看完整示意

维度指标必须与用于计算向量的模型维度相匹配。距离指标则用于指定算法计算向量之间的距离的方式，Amazon S3 Vectors支持余弦距离与欧几里得距离两种类型。

您同样可以通过控制台来创建存储桶，亚马逊云科技新增了创建存储桶时配置加密参数的功能。默认情况下，索引会沿用存储桶级别的加密配置，您也可以在索引级别使用自定义的Amazon KMS密钥来覆盖该配置。

此外，您还能为向量存储桶和向量索引添加标签，向量索引上的标签有助于实现更精细化的访问控制与成本分配。

您还可以直接在控制台中管理属性与权限。

同理，您可定义不可筛选元数据，并为向量索引配置加密参数。

然后，创建并存储嵌入向量（即向量数据）。本演示选用的测试素材为《亚马逊云科技写作风格指南》，这份长达800页的文档详细阐述了亚马逊云科技技术博客、技术文档及各类文章的撰写规范。

本例借助Amazon Bedrock知识库，导入存储在通用型Amazon S3存储桶中的这份PDF文档。Amazon Bedrock知识库会读取文档内容，并将其切分为若干个名为块（chunks）的片段。然后，它通过Amazon Titan文本嵌入模型，计算每个块的嵌入向量，再将这些向量及其元数据一并存储到新创建的向量存储桶中。

本文不再介绍这一过程的操作步骤，您可参阅官方文档获取详细说明。

操作步骤文档：

https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-vectors-bedrock-kb.html

在执行向量查询时，每个向量最多可存储50个元数据键，其中最多可将10个标记为不可筛选类型。您可以利用可筛选的元数据键，基于特定属性对查询结果进行筛选。因此，您便能将向量相似度检索与元数据筛选条件相结合，缩小目标结果的范围。同时，您也可以存储更多不可筛选的元数据，以获取更丰富的上下文信息。

Amazon Bedrock知识库负责计算与存储这些向量，同时还会附加大量元数据（即原始文本对应的块），本例将这类元数据排除在可检索索引之外。

还有其他多种向量导入方法可供选择：您可以试用Amazon S3 Vectors Embed CLI这款命令行工具，帮助您借助Amazon Bedrock生成嵌入向量，并通过直接执行命令将向量存储至Amazon S3 Vectors。您也可以将Amazon S3 Vectors用作Amazon OpenSearch的向量存储引擎。

至此，您可以开始查询向量索引。

假设您想知道“open source”一词的规范写法：是加连字符写作“open-source”，还是不加连字符写作“open source”？首字母是否需要大写？为此，本例希望在《亚马逊云科技写作风格指南》中检索出与“open source”相关的内容。

# 1. Create embedding requestecho '{"inputText":"Should I write open source or open-source"}' | base64 | tr -d '\n' > body_encoded.txt # 2. Compute the embeddings with Amazon Titan Embed modelaws bedrock-runtime invoke-model \ --model-id amazon.titan-embed-text-v2:0 \ --body "$(cat body_encoded.txt)" \ embedding.json # Search the S3 Vectors index for similar chunksvector_array=$(cat embedding.json | jq '.embedding') && \aws s3vectors query-vectors \ --index-arn "$S3_VECTOR_INDEX_ARN" \ --query-vector"{\"float32\": $vector_array}" \ --top-k 3 \ --return-metadata \ --return-distance | jq -r '.vectors[] | "Distance: \(.distance) | Source: \(.metadata."x-amz-bedrock-kb-source-uri" | split("/")[-1]) | Text: \(.metadata.AMAZON_BEDROCK_TEXT[0:100])..."'

左右滑动查看完整示意

首个查询结果返回以下JSON数据。

{ "key": "348e0113-4521-4982-aecd-0ee786fa4d1d", "metadata": { "x-amz-bedrock-kb-data-source-id": "0SZY6GYPVS", "x-amz-bedrock-kb-source-uri": "s3://sst-aws-docs/awsstyleguide.pdf", "AMAZON_BEDROCK_METADATA": "{\"createDate\":\"2025-10-21T07:49:38Z\",\"modifiedDate\":\"2025-10-23T17:41:58Z\",\"source\":{\"sourceLocation\":\"s3://sst-aws-docs/awsstyleguide.pdf\"", "AMAZON_BEDROCK_TEXT": "[redacted] open source (adj., n.) Two words. Use open source as an adjective (for example, open source software), or as a noun (for example, the code throughout this tutorial is open source). Don't use open-source, opensource, or OpenSource. [redacted]", "x-amz-bedrock-kb-document-page-number": 98.0 }, "distance": 0.63120436668396 }

左右滑动查看完整示意

查询结果定位到了《亚马逊云科技写作风格指南》中的对应内容。规范写法应为不加连字符，即“open source”。系统甚至还检索出了该内容在文档中的页码，方便对照原文相关段落核实这一写法建议。

补充说明

Amazon S3 Vectors的集成能力也得到了进一步拓展。您可借助Amazon CloudFormation来部署和管理向量资源，通过Amazon PrivateLink实现私有网络连接，还能利用资源标签进行成本分配与访问控制。

价格与可用性

Amazon S3 Vectors已在14个亚马逊云科技区域可用：在预览阶段开放的5个区域基础上（包括美国东部——俄亥俄州、北弗吉尼亚州、美国西部——俄勒冈州、亚太地区——悉尼和欧洲地区——法兰克福），新增亚太地区（孟买、首尔、新加坡、东京）、加拿大地区（中部）以及欧洲地区（爱尔兰、伦敦、巴黎、斯德哥尔摩）。

Amazon S3 Vectors定价基于三个维度：

• PUT定价：按上传向量的逻辑GB数计算，每个向量包含其逻辑向量数据、元数据及键值。

• 存储成本：按索引占用的总逻辑存储量计算。

• 查询费用：包括每次API调用的费用，以及基于索引大小（不包括不可过滤的元数据）的每TB费用。当索引规模超过10万个向量时，每TB的费用将有所降低。详细定价规则可参阅Amazon S3定价页面。

要开始使用Amazon S3 Vectors，您可直接前往Amazon S3控制台，在此创建向量索引、存储向量嵌入数据，并构建可扩展的AI应用程序。如需了解更多信息，可参阅《Amazon S3用户指南》或Amazon Web Services CLI Command参考文档。

Amazon S3定价页面：

https://aws.amazon.com/s3/pricing/

Amazon S3控制台：

https://console.aws.amazon.com/s3/vector-buckets

《Amazon S3用户指南》

https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-vectors.html

Amazon Web Services CLI Command参考文档：

https://docs.aws.amazon.com/cli/latest/reference/s3vectors/

我们将持续推出更多关于re:Invent 2025重磅发布的解读文章，帮助您快速上手！

本篇作者

Sébastien Stormacq

自20世纪80年代中期首次接触Commodore 64以来，Seb专注于软件架构、开发工具以及移动计算领域。他凭借自己的技术热情、干劲、客户至上、好奇心和创造力，激发构建者挖掘亚马逊云科技云服务的价值。

新用户注册海外区域账户，可获得最高200美元服务抵扣金，覆盖Amazon Bedrock生成式AI相关服务。“免费计划”账户类型，确保零花费，安心试用。

星标不迷路，开发更极速！

关注后记得星标「亚马逊云开发者」

听说，点完下面4个按钮

就不会碰到bug了！

点击阅读原文查看博客！获得更详细内容！