数据类型（Data Type）：关系型数据库管理系统（RDBMS）-> 用于存储结构化数据，如整数、文本、日期等。
向量数据库 -> 高维向量数据， 以嵌入形式存储的复杂数据，如图像、文本等。
搜索（Searching）：传统数据库擅长进行精确匹配搜索或基于条件的搜索（例如，查找年龄大于30岁的用户：age > 30）。
向量数据库擅长相似性搜索（例如，查找与此图像相似的图像）。
扩展性（Scaling）：传统数据库可以垂直和水平扩展，但处理大规模非结构化数据可能具有挑战性。
向量数据库设计用于高效处理大规模向量数据，并且可以水平扩展。
使用案例（Use Cases）：传统数据库在包括金融、库存管理、销售、人力资源等在内的各种应用中使用。
向量数据库通常用于需要相似性搜索或推荐的应用，如图像搜索、推荐系统或自然语言处理。
模式（Schema）：传统数据库需要预定义模式来概述数据的结构。
向量数据库不需要严格的模式，因为它们主要处理向量数据。
索引（Indexing）：传统数据库使用B树、哈希索引等方法加速数据检索。
向量数据库使用特定于向量的索引方法，如HNSW或IVF，以快速检索相似向量。
查询语言（Query Language）：传统数据库使用SQL（Structured Query Language，结构化查询语言）。
向量数据库通常提供它们自己的查询接口，通常以API调用的形式呈现。
