RAG 向量存储月费 800 刀？S3 Vectors 直接砍到 100 出头

RAG 向量存储成本是个老问题了。OpenSearch 3 节点集群每月 $500+，其实 90% 的时间没什么查询量——但集群不能停。

Amazon S3 Vectors 解决的就是这个问题：向量存在 S3 上，按用量付费，没查询时几乎不花钱。

核心概念

• Vector Bucket：专门存向量的 S3 桶
• Vector Index：定义维度和距离函数（cosine/euclidean/dotProduct）
• 支持 metadata 过滤
• 维度上限 4096

快速上手

import boto3
s3v = boto3.client('s3vectors', region_name='us-east-1')

# 创建
s3v.create_vector_bucket(vectorBucketName='my-rag')
s3v.create_vector_index(
    vectorBucketName='my-rag',
    indexName='docs', dimension=1536, distanceMetric='cosine'
)

# 写入
s3v.put_vectors(
    vectorBucketName='my-rag', indexName='docs',
    vectors=[{'key': 'doc-1', 'data': {'float32': emb}, 'metadata': {'text': chunk}}]
)

# 查询
results = s3v.query_vectors(
    vectorBucketName='my-rag', indexName='docs',
    queryVector={'float32': q_emb}, topK=5
)

成本对比

方案	100万向量/每天 1万查询
OpenSearch 3节点	~$500+/月
S3 Vectors	~$20-50/月

低频查询场景下节省 80%+ 成本。

适用场景

• RAG 知识库（写少读多）✔
• 图片/文档相似度搜索 ✔
• 对延迟要求 <10ms 的场景 ✘（用 OpenSearch）
• 频繁更新向量数据 ✘（用 OpenSearch）

对于大多数 RAG 场景，S3 Vectors 够用且便宜很多。

---

🔗 Amazon S3 Vectors：aws.amazon.com/cn/s3/featu…