# Vektör veritabanı

> Vektör veritabanı, metin, görsel veya ses gibi içerikleri temsil eden sayısal vektörleri saklayan ve bir sorguya anlamca en yakın kayıtları hızlıca bulan bir veritabanıdır. Anahtar kelime eşleşmesi yerine anlam benzerliğiyle arar. RAG tabanlı kurumsal bilgi asistanlarının arama katmanı genellikle bir vektör veritabanıdır.

URL: https://corrplus.net/tr/sozluk/vektor-veritabani-nedir/
Güncellendi: 2026-10-22
Corrplus Ekibi

**Tanım:** Vektör veritabanı, metin, görsel veya ses gibi içerikleri temsil eden sayısal vektörleri saklayan ve bir sorguya anlamca en yakın kayıtları hızlıca bulan bir veritabanıdır.

## Vektör veritabanı nasıl çalışır?

Her içerik parçası bir [embedding](/tr/sozluk/embedding-nedir/) modeliyle yüzlerce veya binlerce boyutlu bir sayı dizisine çevrilir. Anlamca benzer içeriklerin vektörleri birbirine yakın düşer. Bir soru geldiğinde soru da vektöre çevrilir ve veritabanı en yakın vektörleri bulur. Milyonlarca kayıtta her vektörü tek tek karşılaştırmak yavaş olacağı için HNSW gibi yaklaşık en yakın komşu (ANN) dizinleri kullanılır. Kayıtlara tarih, belge türü veya erişim yetkisi gibi alanlar da eklenir ve aramada filtre olarak kullanılır.

## Ne zaman kullanılır?

[RAG](/tr/sozluk/rag-nedir/) ile şirket belgeleri üzerinde soru-cevap, benzer destek kaydı veya ürün bulma, öneri sistemleri ve tekrar eden kayıtları tespit etme gibi işlerde. Seçenekler arasında pgvector (PostgreSQL ve Supabase), Qdrant, Weaviate, Milvus ve Pinecone sayılabilir.

## Türkiye'de nelere dikkat edilir?

Vektörler orijinal metinden türetildiği için kişisel veri içeren belgelerin vektörleri de [KVKK](/tr/sozluk/kvkk-nedir/) kapsamında düşünülmeli, metinle birlikte saklanan parçalar korunmalıdır. Veritabanını kendi sunucunuzda veya Türkiye'deki bir veri merkezinde barındırmak mümkündür. Türkçe içerikte arama kalitesini en çok embedding modelinin seçimi belirler.

## Sık sorulan sorular

### Ayrı bir vektör veritabanına ihtiyacım var mı?

Çoğu zaman hayır. Zaten PostgreSQL kullanıyorsanız pgvector eklentisi orta ölçekli projeler için yeterlidir ve veriyi tek yerde tutar. Çok büyük hacim veya özel filtreleme ihtiyacında Qdrant gibi ayrı bir çözüm düşünülebilir.

### Vektör veritabanı klasik aramanın yerini alır mı?

Tam olarak değil. Ürün kodu, fatura numarası gibi kesin eşleşmelerde anahtar kelime araması daha iyidir. İkisini birleştiren hibrit arama genellikle en iyi sonucu verir.