Google menggunakan teknologi AI untuk menerjemahkan konten ke dalam bahasa pilihan Anda. Terjemahan AI mungkin mengandung kesalahan.

Mengukur perolehan kueri vektor

Mengukur perolehan kueri vektor di AlloyDB untuk PostgreSQL membantu Anda mengevaluasi akurasi penelusuran indeks perkiraan tetangga terdekat (ANN) dan menyesuaikan parameter indeks. Dalam penelusuran vektor, perolehan adalah persentase tetangga terdekat sebenarnya yang ditampilkan oleh indeks dibandingkan dengan penelusuran persis. Misalnya, jika kueri untuk 20 tetangga terdekat menampilkan 19 tetangga terdekat dari kebenaran nyata, perolehannya adalah 95% (19/20 * 100).

Dalam kueri vektor, perolehan penting karena mengukur persentase hasil relevan yang diambil dari penelusuran. Recall membantu Anda mengevaluasi akurasi hasil dari penelusuran perkiraan tetangga terdekat (ANN) dibandingkan dengan hasil dari penelusuran k-tetangga terdekat (KNN).

ANN adalah algoritma yang menemukan titik data yang mirip dengan titik kueri tertentu, dan meningkatkan kecepatan dengan menemukan perkiraan tetangga, bukan tetangga sebenarnya. Saat menggunakan ANN, Anda menyeimbangkan kecepatan dengan perolehan.

KNN adalah algoritma yang menemukan vektor "k" yang paling mirip dengan vektor kueri tertentu dalam set data, berdasarkan metrik kesamaan. k adalah jumlah tetangga yang Anda inginkan untuk ditampilkan oleh kueri.

Anda dapat mengukur perolehan kueri penelusuran vektor untuk berbagai indeks vektor, termasuk indeks berikut:

Scalable Nearest Neighbors (ScaNN): algoritma untuk penelusuran kesamaan vektor yang efisien.
Hierarchical Navigable Small World (HNSW): algoritma berbasis grafik yang digunakan untuk penelusuran perkiraan tetangga terdekat yang efisien dalam database vektor.
Inverted File with Flat Compression (IVFFLAT) dan Inverted File Flat (IVF): jenis indeks vektor yang digunakan untuk penelusuran ANN, terutama dalam database seperti ekstensi pgvector PostgreSQL.

Halaman ini mengasumsikan bahwa Anda sudah memahami PostgreSQL, AlloyDB, dan penelusuran vektor.

Sebelum memulai

Instal atau update ekstensi pgvector.
1. Jika ekstensi pgvector tidak diinstal, instal ekstensi vector versi 0.8.0.google-3 atau yang lebih baru untuk menyimpan embedding yang dihasilkan sebagai nilai vector. Ekstensi vector mencakup fungsi dan operator pgvector. Google memperluas versi pgvector ini dengan pengoptimalan untuk AlloyDB.
```
CREATE EXTENSION IF NOT EXISTS vector WITH VERSION '0.8.0.google-3';
```
  Untuk mengetahui informasi selengkapnya, lihat Membuat indeks.
2. Jika ekstensi pgvector sudah diinstal, upgrade ekstensi vector ke versi 0.8.0.google-3 atau yang lebih baru untuk mendapatkan kemampuan evaluator perolehan.
```
ALTER EXTENSION vector UPDATE TO '0.8.0.google-3';
```
Untuk membuat indeks ScaNN, instal ekstensi alloydb_scann.
```
CREATE EXTENSION IF NOT EXISTS alloydb_scann;
```

Mengevaluasi perolehan untuk kueri vektor pada indeks vektor

Anda dapat menemukan perolehan untuk kueri vektor pada indeks vektor untuk konfigurasi tertentu menggunakan fungsi evaluate_query_recall. Fungsi ini memungkinkan Anda menyesuaikan parameter untuk mencapai hasil perolehan kueri vektor yang Anda inginkan. Recall adalah metrik yang digunakan untuk kualitas penelusuran, dan didefinisikan sebagai persentase hasil yang ditampilkan yang secara objektif paling dekat dengan vektor kueri. Fungsi evaluate_query_recall diaktifkan secara default.

Menemukan recall untuk kueri vektor

Buka editor SQL di AlloyDB Studio atau buka klien psql.
Pilih strategi indeks vektor dan buat indeks ScaNN, HNSW, atau IVFFLAT.

Catatan: Anda dapat membuat indeks dari berbagai metode pada satu kolom vektor dan membandingkan performa kueri menggunakan setiap indeks yang dibuat. Hal ini hanya direkomendasikan untuk beban kerja pengembangan.
Pastikan flag enable_indexscan aktif. Jika flag nonaktif, tidak ada pemindaian indeks yang dipilih dan perolehan untuk semua indeks adalah 1.

Jalankan fungsi evaluate_query_recall, yang menggunakan kueri sebagai parameter dan menampilkan perolehan berikut:

SELECT * FROM evaluate_query_recall( QUERY_TEXT, QUERY_TIME_CONFIGURATIONS, INDEX_METHODS )

Sebelum menjalankan perintah ini, lakukan penggantian berikut:

QUERY_TEXT: kueri SQL, yang diapit dalam $$.
QUERY_TIME_CONFIGURATIONS: Optional: the configuration that you can set for the ANN query. This must be in JSON format. The default value is NULL.

INDEX_METHODS: Optional: a text array that contains different vector index methods for which you want to calculate the recall. If you set an index method for which a corresponding index doesn't exist, the recall is 1. The input must be a subset of {scann, hnsw, ivf, ivfflat}. If no value is provided, the ScaNN method is used.

To view differences between query recall and execution time, change the query time parameters for your index.

The following table lists query time parameters for ScaNN, HNSW, and IVF/IVFFLAT index methods. The parameters are formatted as {"scann.num_leaves_to_search":1, "scann.pre_reordering_num_neighbors":10, "hnsw.ef_search": 1}.

Index type	Parameters
ScaNN	`scann.num_leaves_to_search` `scann.pre_reordering_num_neighbors` `scann.pct_leaves_to_search` `scann.num_search_threads`
HNSW	`hnsw.ef_search` `hnsw.iterative_scan` `hnsw.max_scan_tuples` `hnsw.scan_mem_multiplier`
IVF	`ivf.probes` `ivf.iterative_scan` `ivf.max_probes`
IVFFLAT	`ivfflat.probes` `ivfflat.iterative_scan` `ivfflat.max_probes`

For more information about ScaNN index methods, see AlloyDB ScaNN Index reference. For more information about HNSW and IVF/IVFFLAT index methods, see pgvector.

Optional: You can also add configurations from pg_settings to the QUERY_TIME_CONFIGURATIONS. For example, to run a query with columnar engine scan enabled, add the following config from pg_settings as {"google_columnar_engine.enable_columnar_scan" : on}.

The configurations are set locally in the function. Adding these configurations doesn't impact the configurations that you set in your session. If you don't set any configurations, AlloyDB uses all of the configurations that you set in the session. You can also set only those configurations that are best suited for your use case.
Optional: To view the default configuration settings, run the SHOW command or view the pg_settings.

Optional: If you have a ScaNN index for which you want to tune the recall, see the tuning parameters in ScaNN index reference.

The following is an example output, where ann_execution_time is the time that it takes a vector query to execute using index scans. ground_truth_execution_time is the time that it takes the query to run using a sequential scan.

ann_execution_time and ground_truth_execution_time are different from but directly dependent on Execution time in the query plan. Execution time is the total time to execute the query from the client.

t=# SELECT * FROM evaluate_query_recall( $$ SELECT id FROM t1 ORDER BY val <=> '[1000,1000,49000]' LIMIT 10 $$, '{"scann.num_leaves_to_search":1, "scann.pre_reordering_num_neighbors":10, "hnsw.ef_search": 1}', ARRAY['scann', 'hnsw']);
NOTICE:  Recall is 1. This might mean that the vector index is not present on the table or index scan not chosen during query execution.
id|               query                                               |                                         configurations                                         |  recall |ann_execution_time | ground_truth_execution_time |  index_type
----+-------------------------------------------------------------------+------------------------------------------------------------------------------------------------+--------+--------------------+-----------------------------+------------
1 |  SELECT id FROM t1 ORDER BY val <=> '[1000,1000,49000]' LIMIT 10  | {"scann.num_leaves_to_search":1, "scann.pre_reordering_num_neighbors":10, "hnsw.ef_search": 1} |    0.5 |               4.23 |                     118.211 | scann
2 |  SELECT id FROM t1 ORDER BY val <=> '[1000,1000,49000]' LIMIT 10  | {"scann.num_leaves_to_search":1, "scann.pre_reordering_num_neighbors":10, "hnsw.ef_search": 1} |      1 |            107.198 |                     118.211 | hnsw
(2 rows)

Jika hasilnya adalah Recall is 1 (perolehan kueri adalah
1), hal ini mungkin menunjukkan bahwa indeks vektor tidak ada di tabel atau
indeks vektor tidak dipilih selama eksekusi kueri. Situasi ini terjadi
jika tidak ada indeks vektor pada tabel atau jika perencana tidak memilih
pemindaian indeks vektor.
Catatan: Jangan gunakan kolom dalam kueri yang nilainya dapat menghasilkan nilai NULL. Jika
kolom tersebut diperlukan, tambahkan fungsi COALESCE ke kueri.
Jika kuerinya adalah select id, name from table order by embedding <->'[1,2,3]' LIMIT 10;.
dan nilai nama kolom yang diharapkan adalah NULL, ubah
kueri menjadi salah satu dari berikut ini:
select id, COALESCE(name, 'NULL') as name from table order by embedding <-> '[1,2,3]' LIMIT 10;

Atau
select id from table order by embedding <-> '[1,2,3]' LIMIT 10;