HelixDB: Đột phá cơ sở dữ liệu đồ thị trên Object Storage dành cho ứng dụng AI

HelixDB, một dự án cơ sở dữ liệu đồ thị (graph database) mới được xây dựng hoàn toàn bằng ngôn ngữ Rust, vừa được giới thiệu lại cộng đồng công nghệ. Đây là giải pháp OLTP dạng đồ thị được xây dựng trên nền tảng lưu trữ đối tượng (object storage), tích hợp sẵn khả năng tìm kiếm vector và tìm kiếm toàn văn (Full-Text Search - FTS).

HelixDB Logo

Tại sao lại kết hợp Graph, Vector và FTS?

Theo nhóm phát triển, các ứng dụng AI hiện đại thường cần kết hợp nhiều loại dữ liệu khác nhau. Cơ sở dữ liệu đồ thị cung cấp mô hình nhận thức tự nhiên cho dữ liệu, vector cho phép hiểu ngữ nghĩa của các thực thể và mối quan hệ, trong khi FTS cung cấp khả năng lọc cụ thể hơn.

Thông thường, các ứng dụng AI cố gắng kết hợp các chức năng này bằng cách "vá" nối nhiều hệ thống rời rạc lại với nhau. Tuy nhiên, cách tiếp cận này thiếu các phương thức kết nối (join) hoặc truy vấn gốc giữa các hệ thống, buộc nhà phát triển phải xử lý logic phức tạp ở tầng ứng dụng.

HelixDB ra đời để giải quyết vấn đề này bằng cách cung cấp một nền tảng duy nhất kết hợp cả ba yếu tố: Đồ thị, Vector và Tìm kiếm toàn văn.

Kiến trúc Object Storage: Giải bài toán mở rộng quy mô

Một trong những thách thức lớn nhất của cơ sở dữ liệu đồ thị là khả năng mở rộng (scalability). Các phương pháp phổ biến như nhân bản toàn bộ tập dữ liệu (replication) trên nhiều máy rất tốn kém, trong khi việc phân mảnh (sharding) dữ liệu đồ thị lại gặp khó khăn do các cạnh (edges) có thể kéo dài qua nhiều phân vùng khác nhau.

HelixDB tiếp cận vấn đề theo hướng khác bằng cách sử dụng Object Storage (như S3) làm lớp lưu trữ dữ liệu chính.

GitHub Stars

"Bằng cách sử dụng S3 làm lớp lưu trữ, không có giới hạn nào về độ lớn của đồ thị hay số lượng mối quan hệ bạn có thể có."

Nhờ kiến trúc này, HelixDB có thể lưu trữ lượng dữ liệu khổng lồ (terabytes) với chi phí cực rẻ. Hệ thống chỉ tải vào bộ nhớ (cache) các tập con dữ liệu cần thiết trên mỗi nút, giúp đạt độ trễ cực thấp cho dữ liệu "nóng" (hot data) và độ trễ khoảng p99 ~100ms cho ghi và ~50ms cho đọc từ lưu trữ lạnh (cold storage).

Các trường hợp sử dụng tiềm năng

HelixDB hướng đến các workload yêu cầu xử lý lượng dữ liệu lớn mà các tác nhân AI (agents) cần tìm kiếm và duyệt qua:

• Trí nhớ AI (AI Memory): Cung cấp ngữ cảnh tốt hơn cho các tác nhân AI thông qua nhiều dữ liệu và mối quan hệ hơn.
• Bộ não doanh nghiệp (Company Brains): Hợp nhất nhiều cơ sở dữ liệu, cho phép các tác nhân AI tự chủ truy cập dữ liệu công ty.
• Lưu trữ đồ thị giá rẻ: Giải pháp cho các công ty nơi chi phí lưu trữ dữ liệu đồ thị là nút thắt cổ chai.

Trải nghiệm phát triển và SDK

HelixDB tập trung mạnh vào trải nghiệm của nhà phát triển (Developer Experience). Dự án cung cấp công cụ CLI mạnh mẽ với tính năng helix chef - một trình khởi tạo tương tác giúp thiết lập dự án, cài đặt dữ liệu mẫu và thậm chí có thể giao tiếp với các tác nhân lập trình (như Claude Code) để xây dựng ứng dụng tự động.

Hiện tại, HelixDB hỗ trợ SDK cho hai ngôn ngữ lập trình chính:

• Rust: Sử dụng macro #[register] để định nghĩa truy vấn một cách an toàn về kiểu.
• TypeScript: Hỗ trợ định nghĩa truy vấn dưới dạng hàm và gửi trực tiếp đến instance đang chạy.

Tương lai của HelixDB

Nhóm phát triển đang hoàn thiện tính năng lọc trước (pre-filtering) cho tìm kiếm vector, cho phép lọc dựa trên các mối quan hệ trong đồ thị, metadata và đồ thị con. Ngoài ra, phiên bản đám mây (GA Cloud) sẽ có sẵn trong vài tuần tới.

Nếu bạn muốn trải nghiệm HelixDB cục bộ (trên đĩa hoặc trong bộ nhớ), có thể tìm hiểu thêm trên GitHub hoặc tài liệu chính thức của dự án.