ベクトルデータベースは、AI・機械学習において非構造化データを高次元ベクトルで管理し、近似最近傍探索(ANN) を用いた高速な類似性検索を実現する専用データベースです。本稿では、その基本原理（埋め込み生成、インデックス、距離尺度）と、Milvusを例にした具体的な使用方法を解説します。さらに、内部アーキテクチャ（アクセス層、調整サービス、ワーカーノード、ストレージ層）を詳述し、Milvus、Pinecone、Weaviate、Qdrant、Chroma、そして従来の検索エンジンでありハイブリッド検索に強みを持つElasticsearchを含む主要なベクトルデータベースを、オープンソース性、性能、インデックス、エコシステム、デプロイ観点で比較します。最後に、Milvusに焦点を当てた模擬面答を通じて、各製品の違いと適切な選定基準を明確にします。