Infraestructura · RustInfrastructure · Rust
AgredaDB
AgredaDB es un motor de base de datos desarrollado en Rust que reúne almacenamiento de datos, procesamiento y búsqueda vectorial. El proyecto busca simplificar una infraestructura de IA que normalmente reparte sus datos entre varios servicios.
Capacidades publicadas
- Búsqueda vectorial con un índice HNSW optimizado para colecciones de gran tamaño.
- Soporte de aceleración GPU mediante CUDA/Vulkan para operaciones vectoriales y entrenamiento de modelos.
- Almacenamiento por niveles caliente, templado y frío, con descarga de datos a SSD/S3.
- Autenticación JWT, control de acceso por roles (RBAC) y cifrado AES-256-GCM en reposo.
- SDKs para Python, Node.js y Go, publicados junto al código del motor.
Rendimiento y contexto de las pruebas
La publicación de enero de 2026 presenta un hito de 1,57 millones de RPS y describe pruebas de estrés con más de 1,46 millones de registros por segundo. También reporta latencia p50 inferior a 1 ms, aceleración de hasta 100 veces en búsqueda sobre un millón de vectores, reducción potencial del costo de almacenamiento de 10 a 20 veces y 113 de 113 pruebas aprobadas.
Estas cifras corresponden a las pruebas y condiciones descritas en aquella publicación; no representan una capacidad garantizada para cualquier hardware o carga de trabajo. El repositorio es la referencia para las versiones y mediciones posteriores.
Mi participación
Autor y desarrollador del motor, con trabajo sobre rendimiento, búsqueda vectorial, integración de hardware y seguridad.
AgredaDB is a Rust database engine combining data storage, processing and vector search. Its goal is to simplify AI infrastructure that typically distributes data across several services.
Published capabilities
- Optimized HNSW vector search for large collections.
- CUDA/Vulkan GPU acceleration for vector operations and model training.
- Hot, warm and cold storage tiers with SSD/S3 offloading.
- JWT authentication, role-based access control and AES-256-GCM encryption at rest.
- Python, Node.js and Go SDKs alongside the engine's source code.
Performance and benchmark context
The January 2026 LinkedIn post presents a 1.57-million-RPS milestone and describes stress tests exceeding 1.46 million records per second. It also reports sub-millisecond p50 latency, up to 100× faster search over one million vectors, potential 10–20× storage-cost reductions and 113 out of 113 tests passing.
These figures describe the workloads and conditions of that publication, rather than guaranteed capacity for every environment. The repository provides subsequent versions and measurements.
My contribution
Engine author and developer, working on performance, vector search, hardware integration and security.
Explorar el proyecto: Explore the project: LinkedIn · proyectos · GitHub · agredadb