
CÂU CHUYỆN KHÁCH HÀNG · VECTOR SEARCH BENCHMARK
Mcredit: Benchmark MongoDB Atlas Vector Search cho eKYC deduplication.
MongoDB Atlas · Vector Search · eKYCTỔNG QUAN
Tổng quan dự án.
Mcredit cần đánh giá vector search cho face deduplication 1:N trong eKYC. Model của khách hàng chuyển ảnh khuôn mặt thành vector 1024 chiều để so với kho vector hiện có và phát hiện khả năng trùng lặp.
POC tách database và search resources, dùng workload 10 triệu vector cho latency, throughput, stability và index; workload 1 triệu vector cho recall, dimensionality và quantization.
Kiểm chứng POC
- Đo HNSW query so với exact nearest-neighbor dưới tham số kiểm thử có kiểm soát.
- Chạy sustained load và theo dõi latency, errors, memory của search process.
- So sánh float32 và scalar quantization để định lượng memory saving và retrieval-quality loss.
Ranh giới diễn giải
- Phần lớn dữ liệu benchmark là synthetic và mô tả POC, không phải production volume của Mcredit.
- Recall đo độ trung thành HNSW so với exact search, không phải độ chính xác nhận diện khuôn mặt.
- Full-index rebuild mất 41 phút, vượt estimate 15 phút và vẫn là vấn đề vận hành cần lưu ý.
VỀ MCREDIT
Identity deduplication khiến chất lượng vector search trở thành ranh giới quyết định.
Trong eKYC được đánh giá, embedding model của Mcredit tạo face vector và tìm trong repository để xác định khả năng trùng identity hoặc fraud.
Vì kết quả vector ảnh hưởng trực tiếp tới quyết định deduplication, POC ưu tiên retrieval fidelity, latency ổn định và memory có thể dự đoán.
Đối sánh 1:N
Tìm một face vector mới trong kho identity hiện có.
Dedicated search tier
Tách HNSW indexing và query khỏi database writes.
Technical recall
So approximate results với exact nearest-neighbor ground truth.
Sizing evidence
Liên hệ vector format, index size với search-node memory.
TitanBases đánh giá MongoDB Atlas Vector Search trong benchmark có kiểm soát và ghi nhận cả tiêu chí đạt lẫn ngoại lệ rebuild time. Embedding model và business accuracy nằm ngoài database POC.
THÁCH THỨC
Latency · Throughput · Stability · Retrieval fidelity
Vector search nhanh chỉ hữu ích khi mức xấp xỉ vẫn phù hợp với quyết định.
Mục tiêu POC kết hợp P95 latency dưới 10 ms với ít nhất 100 requests mỗi giây, stability kéo dài và retrieval fidelity cao ở quy mô vector lớn.
Đội ngũ cũng cần hiểu scalar quantization có giảm memory mà không làm reordering kết quả quá mức hay không, và full index rebuild có phù hợp kỳ vọng vận hành hay không.
Dataset chủ yếu là synthetic. Latency, throughput và technical recall là quan sát hợp lệ cho cấu hình test, nhưng không chứng minh production volume hoặc độ chính xác face recognition thực tế.
BENCHMARK · TESTED CONFIGURATION
Approximate search quy mô lớn, được đo đối chiếu với exact retrieval.
Dedicated search resources cho phép đo hành vi query và indexing độc lập với database workload.
Đây là số đo POC benchmark, không phải độ chính xác nhận diện khuôn mặt, production SLA hoặc production volume.
GIẢI PHÁP
Replica set · Dedicated search nodes · HNSW · Float32
Tách database path khỏi vector indexing và retrieval.
Application drivers kết nối MongoDB database nodes. Vector queries chuyển tới dedicated search nodes, nơi HNSW index được giữ và query mà không tạo cùng áp lực CPU, memory lên write path.
Index updates đồng bộ bất đồng bộ qua change streams. POC so HNSW với exact search, thay đổi numCandidates, dimensions và so float32 với scalar quantization trước khi đề xuất production sizing.
KIẾN TRÚC GIẢI PHÁP
Kiến trúc POC · MongoDB Atlas Vector Search
TECHNICAL VIEW CÓ GIỚI HẠN BẰNG CHỨNG · DATABASE VÀ SEARCH TIERS
Tách data và vector-search resources
Embedding do khách hàng phát triển và điều phối query 1:N.
MongoDB replica-set lưu identifiers và image references.
Dedicated HNSW search nodes giữ full index replica trong memory.
Exact-search comparison, load testing và quantization analysis.
KẾT QUẢ POC · QUALIFIED
Performance và retrieval fidelity đạt; rebuild time vẫn là vấn đề mở.
Benchmark vượt mục tiêu latency và throughput, ổn định trong soak test, đồng thời chỉ ra trade-off quantization và một estimate rebuild không đạt.
QUERY PERFORMANCE
9.85 ms
P95 tại 1.255 QPS trong test 10M vectorsSTABILITY
0 errors
Quan sát trong soak run 20h 16mRETRIEVAL FIDELITY
99.37%
Recall@10 cho 1M float32 vectors, 1024 dimensionsOPEN CONSIDERATION
41 min
Full rebuild 10M index so với estimate 15 phútScalar quantization giảm memory khoảng 3,3 lần nhưng Exact Match@10 giảm từ khoảng 95% xuống 41%. Float32 được giữ cho workload nhạy cảm với quyết định này.
CÔNG NGHỆ
MongoDB Atlas components và phương pháp benchmark trong POC.
Production sizing phụ thuộc vector volume thực tế và yêu cầu mỗi search node giữ full index replica trong memory.
DATABASE
VECTOR SEARCH
CẤU HÌNH TEST
VALIDATION
PRODUCTION READINESS
Sizing từ vector volume thực, sau đó kiểm chứng incremental indexing và business accuracy.
Bước tiếp theo là xác nhận production vector scale, test incremental indexing và đánh giá embedding model bằng ảnh thực được gắn nhãn. Các bước này tách biệt với database POC.
POC EVIDENCE · KHÔNG PHẢI PRODUCTION SLANĂNG LỰC LIÊN QUAN
BÀI VIẾT LIÊN QUAN

engineering insight
AI cho dịch vụ tài chính tại Việt Nam: TitanBases thăm FintechAI và AWS tại TP. Hồ Chí Minh
Một chuyến thăm làm việc tại FintechAI ở TP. Hồ Chí Minh giúp TitanBases hiểu rõ hơn cách các sáng kiến AI trong lĩnh vực tài chính Việt Nam đang chuyển từ từng use case riêng lẻ sang các hệ thống sẵn sàng cho production, nền tảng dữ liệu, hạ tầng và tích hợp doanh nghiệp.
Sep 25, 2026

engineering insight
MongoDB Atlas Vector Search cho khử trùng lặp eKYC quy mô lớn: Bài học từ POC 10 triệu vector
Đối sánh danh tính quy mô lớn cần nhiều hơn một hệ thống vector search nhanh. Góc nhìn kỹ thuật này phân tích latency, throughput, recall, hành vi index và đánh đổi của quantization khi đánh giá MongoDB Atlas Vector Search cho workload eKYC 10 triệu vector.
Sep 21, 2026

engineering insight
MongoDB Atlas Agent Engine: Nên PoC thế nào trước khi đưa AI agent vào production?
Atlas Agent Engine đang Public Preview. Xem giới hạn scaling, memory, security, framework và checklist PoC trước khi cân nhắc production.
Oct 5, 2026
Biên soạn bởi Đội ngũ Kỹ thuật TitanBases
Đội ngũ kỹ sư TitanBases chia sẻ hướng dẫn thực tế từ các dự án Cloud, Data và AI, với quy trình rà soát kỹ thuật tập trung vào kiến trúc production, bảo mật và vận hành.
WORKLOAD TIẾP THEO


