Vespa 是一个开源搜索引擎和数据库，专为构建需要快速数据处理和实时搜索功能的可扩展应用程序而设计。它由 Yahoo 开发，将数据库、搜索引擎和机器学习 (ML) 框架的功能整合到一个平台中。Vespa 针对大规模数据集和高查询量进行了优化，使其适用于推荐系统、个性化搜索和实时分析等用例。它允许开发人员高效地存储、搜索和排序数据，同时支持低延迟的更新。例如，它为 Yahoo Mail 和 News 等应用程序提供支持，在这些应用程序中，数据的快速检索和排序至关重要。
Vespa 的信息检索 (IR) 功能包括全文搜索、结构化数据查询以及使用自定义 ML 模型进行的高级排序。它支持自然语言处理 (NLP) 功能，如分词、词干提取和短语匹配，从而可以在文档中进行基于文本的搜索。对于结构化数据，Vespa 允许使用类似 SQL 的查询进行过滤和排序。一个关键优势是其排序框架：开发人员可以使用内置算法（例如，用于相关性评分的 BM25），或者部署在 TensorFlow 或 PyTorch 等 ML 框架中训练的自定义排序模型。例如，电子商务平台可以使用 Vespa 按关键字搜索产品，按价格或类别进行过滤，并根据用户行为或产品受欢迎程度实时对结果进行排序。
Vespa 专为横向扩展和容错而构建，使其适用于分布式系统。它可以自动将数据分片到各个节点并处理负载平衡，从而确保在高流量下保持一致的性能。开发人员可以在不停机的情况下更新数据和 ML 模型，这对于需要实时个性化的应用程序至关重要。用例包括推荐引擎（例如，在流媒体平台上推荐视频）或适应用户互动的新闻推送。例如，音乐流媒体服务可以使用 Vespa 对歌曲进行索引、应用过滤器（流派、节奏）并使用考虑收听历史和当前趋势的模型对推荐进行排序。通过在一个平台上集成搜索、过滤和 ML 驱动的排序，Vespa 简化了复杂 IR 系统的架构。