随着算法能力的不断提升，图像、音视频和文本等均可通过机器学习算法抽取大量的特征应用于业务场景，例如以图搜图、听音识曲、视频相似度检测、人脸识别等，不过目前尚无一套完整的系统解决方案来满足高维特征向量的存储与计算。
为了让AI算法领域的专家能够更专注于算法，京东零售技术架构团队基于现有的部分业务及应用场景抽象提炼了一个服务于AI时代的基础向量检索系统——vearch，它可以完整地解决海量特征的存储与计算，为文本、图像、音视频检索等应用提供统一的基础设施。
项目背景
vearch 是一个分布式向量搜索系统，可用来存储、计算海量的特征向量，为AI领域的向量检索提供基础系统支撑与保障。该系统能够广泛地应用于图像， 音视频和自然语言处理等各个机器学习领域。
vearch基于Facebook AI研究院开源的 Faiss 实现，但Faiss本身只是一个能够单机运行的支持各种向量检索模型的机器学习算法基础库，不支持分布式、实时索引和检索，同时也不支持标量字段的存储和索引等等。
因此结合在实际应用中的需求，我们在faiss的基础上研发了vearch，提供了类似ElasticSearch的灵活易用的RESTFul API，可以方便地对表结构及数据进行管理查询。