我已经问过 stackoverflow (here)，但我认为将嵌入存储在普通 postgres 数据库中的方法可能从一开始就存在缺陷。我将很快再次蚀刻出应用程序：
- 文本语料库（几十万个文档，包含几段）
- 使用 BERT 创建的嵌入（对于每个段落）
- 应用：相似度搜索（检索相似的段落和参考文档）
我看过有关使用 BERT 等创建嵌入的教程，并且一切正常。我的关键是如何管理拥有几百万个嵌入并搜索类似的嵌入。将它们存储在哪里，以及附加信息（与嵌入相关的原始文本和包含该文本的文档）。
所以问题是：
如何在不使用云环境（数据隐私原因）的情况下以一种高效且可搜索的方式存储几百万个嵌入（768 维 numpy 数组）？
TensorFlow Records 是正确的答案吗？
到底是不是关系型数据库？
有什么不同吗？这是我的第一个 NLP 任务，我可能根本不知道明显的答案。但是，在 stackexchange 和 google 上搜索并没有提供解决方案。