---
format: "aidr-story-markdown/v1"
id: "a6a39cb7eefe8f13c950c0ca8e5c1879d142c140860f7578f59bc21d3ab395e7"
canonical_url: "https://aidr.today/a6a39cb7?lang=vi"
title: "Chọn vector store cho Amazon Bedrock Knowledge Bases"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-09-17T15:53:13.000Z"
category: "Infra"
topics: ["amazon-bedrock","rag","opensearch","aurora","s3-vectors"]
source_urls: ["https://aws.amazon.com/blogs/machine-learning/selecting-a-vector-store-for-amazon-bedrock-knowledge-bases/"]
summary: "Lựa chọn vector store phù hợp cho ứng dụng RAG trên Amazon Bedrock Knowledge Bases sẽ ảnh hưởng trực tiếp đến hiệu năng và chi phí. Bài viết so sánh Amazon OpenSearch Service, Amazon Aurora PostgreSQL với pgvector và Amazon S3 Vectors qua ba trường hợp dùng RAG, kèm benchmark và khung lựa chọn thực tiễn."
---

# Chọn vector store cho Amazon Bedrock Knowledge Bases

> [Open the canonical story](<https://aidr.today/a6a39cb7?lang=vi>)

**Published:** 2026-09-17T15:53:13.000Z
**Category:** Infra
**Topics:** amazon\-bedrock, rag, opensearch, aurora, s3\-vectors

## Summary

Lựa chọn vector store phù hợp cho ứng dụng RAG trên Amazon Bedrock Knowledge Bases sẽ ảnh hưởng trực tiếp đến hiệu năng và chi phí\. Bài viết so sánh Amazon OpenSearch Service, Amazon Aurora PostgreSQL với pgvector và Amazon S3 Vectors qua ba trường hợp dùng RAG, kèm benchmark và khung lựa chọn thực tiễn\.

## Sources

- [Story source](<https://aws.amazon.com/blogs/machine-learning/selecting-a-vector-store-for-amazon-bedrock-knowledge-bases/>)