建立 IVF 索引

AlloyDB for PostgreSQL 的倒排檔案 (IVF) 索引可讓您使用純量量化，加速高維度儲存嵌入的向量相似度搜尋。您可以使用 vector 擴充功能建立 IVF 索引，減少記憶體用量，並加快查詢速度，適用於最多 8,000 個維度的向量。如要進一步瞭解如何儲存嵌入，請參閱「儲存向量嵌入」。

事前準備

開始建立索引前，請先完成下列必要條件。

建立 IVF 索引

Stock pgvector 支援透過索引進行近似最鄰近搜尋。AlloyDB 則進一步支援純量量化功能，您可以在建立索引時指定這項功能。啟用純量量化功能後，可大幅加快維度較大的向量查詢速度，並可儲存最多 8,000 個維度的向量。

如要在以 pgvector 為基礎的索引上啟用純量量化，請指定 IVF 做為索引方法，並指定 SQ8 做為量化器：

CREATE INDEX INDEX_NAME ON TABLE
  USING ivf (EMBEDDING_COLUMN DISTANCE_FUNCTION)
  WITH (lists = LIST_COUNT, quantizer = 'QUANTIZER');

更改下列內容：

  • INDEX_NAME：要建立的索引名稱，例如 my-ivf-index。索引名稱會在資料庫中共用。請確保資料庫中每個資料表的索引名稱皆不重複。

  • TABLE：要新增索引的資料表。

  • EMBEDDING_COLUMN：儲存vector資料的資料欄。

  • DISTANCE_FUNCTION：要搭配這個索引使用的距離函式。選擇下列其中一個選項：

    • L2 距離： vector_l2_ops

    • 內積： vector_ip_ops

    • 餘弦距離： vector_cosine_ops

  • LIST_COUNT：要與這個索引搭配使用的清單數量。如要進一步瞭解如何決定這個值，請參閱「調整 IVF 索引」。

  • QUANTIZER：要使用的量化器類型。

    設為下列任一值：

    • SQ8：建議使用。查詢回應速度較快，但會導致部分召回率降低，不會影響實際作業。
    • FLAT：查詢回應速度較慢，記憶體用量較高，但可達到可忽略的召回率損失。

    如要在使用 real[] 資料類型 (而非 vector) 的嵌入資料欄上建立這個索引，請將該資料欄轉換為 vector 資料類型：

CREATE INDEX INDEX_NAME ON TABLE
  USING ivf (CAST(EMBEDDING_COLUMN AS vector(DIMENSIONS)))'}} DISTANCE_FUNCTION)
  WITH (lists = LIST_COUNT, quantizer = 'SQ8');

將 DIMENSIONS 替換為嵌入資料欄的維度寬度。如要進一步瞭解如何找出維度，請參閱「向量函式」中的 vector_dims 函式。

如要查看索引進度，請使用 pg_stat_progress_create_index 檢視畫面：

SELECT * FROM pg_stat_progress_create_index;

「狀態」phase欄會顯示索引建立作業的目前狀態，而「階段」building postings則表示索引建立作業即將完成。

如要調整索引，以達到目標召回率和 QPS 平衡，請參閱「調整IVF索引」。

執行查詢

在資料庫中儲存嵌入並建立索引後，即可使用 pgvector 查詢功能開始查詢。

如要找出嵌入向量最鄰近的語意項目，可以執行下列範例查詢，並設定與建立索引時相同的距離函式。

  SELECT * FROM TABLE
    ORDER BY EMBEDDING_COLUMN DISTANCE_FUNCTION_QUERY ['EMBEDDING']
    LIMIT ROW_COUNT

更改下列內容：

  • TABLE：包含要與文字比較之嵌入內容的資料表。

  • EMBEDDING_COLUMN：包含儲存嵌入的資料欄。

  • DISTANCE_FUNCTION_QUERY：要用於這項查詢的距離函式。根據建立索引時使用的距離函式，選擇下列其中一項：

    • L2 距離： <->

    • 內積： <#>

    • 餘弦距離： <=>

  • EMBEDDING：要找出最鄰近儲存語意鄰居的嵌入向量。

  • ROW_COUNT：要傳回的列數。

    如果只要單一最佳相符項目，請指定 1。

如要進一步瞭解其他查詢範例，請參閱「查詢」。

您也可以使用 embedding() 函式，將文字翻譯成向量。您將向量套用至其中一個 pgvector 最鄰近運算子 (<-> 代表 L2 距離)，找出語意最相似嵌入的資料庫資料列。

由於 embedding() 會傳回 real 陣列，因此您必須明確將 embedding() 呼叫轉換為 vector，才能搭配 pgvector 運算子使用這些值。

後續步驟