* Veri fonctionne comme un cluster qui peut contenir un espace vectoriel de dimension fixe et permet d’interroger facilement les k requêtes de recherche du voisin le plus proche ainsi que d’interroger un espace échantillon à utiliser dans un algorithme d’apprentissage automatique.

* Veri conserve la moyenne (Centre) et un histogramme de distribution des données avec la distance au centre (Distance euclidienne). Chaque instance continue, échangeant des données tant que leur moyenne et leur histogramme ne sont pas suffisamment proches.

* Veri a une manière différente d’aborder la haute disponibilité. Veri, en tant que cluster, essaie d’utiliser toute la mémoire qu’il est autorisé à utiliser. S’il y a suffisamment de mémoire, toutes les données sont répliquées sur chaque instance. S’il n’y a pas assez de mémoire, les données sont réparties au sein des instances à l’aide de l’équilibrage de l’histogramme. Si la mémoire est presque pleine, Veri rejettera les demandes d’insertion. Donc, si vous souhaitez une plus haute disponibilité, utilisez plus d’instances.