変更要約: 各節に図（figure）を追加＝cert-figure-retrofit。AI-200 第1章を新規作成（ベクトルデータ＝埋め込み/距離尺度/ANN インデックス/意味検索 vs キーワード、Azure のベクトル対応データサービス＝Azure AI Search/Cosmos DB for NoSQL/PostgreSQL+pgvector/Azure Managed Redis と選択基準）
1.2Azure のベクトル対応データサービス
AI アプリのベクトルを保存・検索する Azure の選択肢——Azure AI Search、Cosmos DB for NoSQL、Azure Database for PostgreSQL（pgvector）、Azure Managed Redis——の特徴と、用途に応じた選択基準を開発者の視点で理解します。
ベクトルは専用の「ベクトルDB」だけでなく、既存のデータサービスにベクトル機能を持たせて保存・検索できます。AI-200 では、用途・既存資産・運用に応じて適切なサービスを選ぶ力が問われます。代表的な選択肢を押さえましょう。
- Azure AI Search：検索に特化。ベクトル＋キーワードのハイブリッド検索やセマンティックランカーを備え、RAG の検索基盤として定番。
- Azure Cosmos DB for NoSQL：グローバル分散・低レイテンシの NoSQL。ベクトル検索機能を持ち、アプリのデータと同居できる。
- Azure Database for PostgreSQL（pgvector）：リレーショナル DB に pgvector 拡張でベクトル列を追加。SQL と既存データを活かせる。
- Azure Managed Redis：インメモリで超低レイテンシ。ベクトル検索やセマンティックキャッシュに向く。
1.2.1選択基準
選択は「既存データとの近さ」「レイテンシ要件」「検索の高度さ」で考えると整理できます。高度な検索（ハイブリッド・ランキング）が要れば Azure AI Search、アプリの NoSQL データと一体運用したいなら Cosmos DB for NoSQL、既存のリレーショナル資産を活かすなら PostgreSQL + pgvector、超低レイテンシやキャッシュ用途なら Azure Managed Redis が候補です。「単一の正解」ではなく要件で選ぶ点が重要です。
頻出：
①「高度なハイブリッド検索/ランキングを備えた RAG 検索基盤」＝Azure AI Search。
②「アプリの NoSQL データと同居しつつベクトル検索」＝Cosmos DB for NoSQL。
③「既存リレーショナル DB にベクトル列を追加」＝PostgreSQL + pgvector。
④「超低レイテンシ／セマンティックキャッシュ」＝Azure Managed Redis。要件で選ぶ。
混同・注意：
①これらは排他ではない——用途で使い分け、組み合わせもある。
②pgvector は PostgreSQL の拡張であり、別サービスではない。
③「ベクトルDB が必要＝必ず専用製品」ではない——既存サービスにベクトル機能を持たせられる。
④検索の高度さ（ハイブリッド/ランカー）は Azure AI Search の強み。
1.2.2この節のまとめ
- ベクトルは専用DBに限らず既存サービスにベクトル機能を持たせて保存・検索できる
- Azure AI Search＝高度検索／Cosmos DB for NoSQL＝アプリデータ同居／PostgreSQL+pgvector＝リレーショナル資産／Azure Managed Redis＝超低レイテンシ
- 排他ではなく要件（既存データ/レイテンシ/検索の高度さ）で選ぶ
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. ベクトルとキーワードのハイブリッド検索やセマンティックランカーを備え、RAG の検索基盤として定番の Azure サービスはどれですか？
Q2. 既存のリレーショナルデータベースにベクトル列を追加してベクトル検索を行いたい場合の選択肢はどれですか？
Q3. グローバル分散・低レイテンシの NoSQL で、アプリのデータと同居しつつベクトル検索したい場合に適すのはどれですか？
Q4. 超低レイテンシのインメモリでベクトル検索やセマンティックキャッシュに向く Azure サービスはどれですか？
Q5. Azure のベクトル対応データサービスの選択に関する正しい説明はどれですか？