Google utiliza tecnología de IA para traducir contenido a tu idioma preferido. Las traducciones realizadas con IA pueden contener errores.

Ajusta el rendimiento de las consultas vectoriales en AlloyDB para PostgreSQL

Ajustar tus índices de vectores en AlloyDB para PostgreSQL te permite optimizar la velocidad de ejecución de las consultas y la recuperación de búsquedas para tus cargas de trabajo de Vector Search. Puedes ajustar los parámetros de compilación y consulta de índices para ScaNN, IVF, IVFFlat y HNSW para que coincidan con el tamaño de tu conjunto de datos y los requisitos de rendimiento.

Antes de comenzar

Antes de compilar un índice de ScaNN, completa lo siguiente:

Crea una tabla con tus datos.
Para evitar problemas de falta de memoria cuando creas el índice de ScaNN, asegúrate de que las marcas de base de datos maintenance_work_mem y shared_buffers estén configuradas en un valor menor que la memoria total de la máquina.

Ajusta un índice de ScaNN

Para determinar la cantidad de niveles necesarios para tu índice de ScaNN, consulta la siguiente tabla.

Cantidad de filas de vectores en tu tabla	Cantidad de niveles para tu índice de ScaNN
[0..10 millones]	Dos
[10 million..100 million]	Elige una de las siguientes métricas para priorizar: Recuperación de la búsqueda: dos Tiempo de compilación de índices: tres
[100 million..1 billion]	Elige una de las siguientes métricas para priorizar: Recuperación de la búsqueda: tres Tiempo de compilación de índices: cuatro
[1,000 millones..10,000 millones]	Cuatro

Usa los siguientes índices de ScaNN como ejemplos para ajustar los parámetros de una tabla con 1 millón de filas.

Índice de árbol de dos niveles

SET LOCAL scann.num_leaves_to_search = 1;
SET LOCAL scann.pre_reordering_num_neighbors=50;

CREATE INDEX my_scann_index ON my_table
       USING scann (vector_column cosine)
WITH (num_leaves = [power(1000000, 1/2)]);

Índice de árbol de tres niveles

SET LOCAL scann.num_leaves_to_search = 10;
SET LOCAL scann.pre_reordering_num_neighbors=50;

CREATE INDEX my_scann_index ON my_table
       USING scann (vector_column cosine)
WITH (num_leaves = [power(1000000, 2/3)], max_num_levels = 2);

Índice de árbol de cuatro niveles

SET LOCAL scann.num_leaves_to_search = 100;
SET LOCAL scann.pre_reordering_num_neighbors=50;

CREATE INDEX my_scann_index ON my_table
       USING scann (vector_column cosine)
WITH (num_leaves = [power(1000000, 3/4)], max_num_levels = 3);

Para obtener más información sobre los índices de ScaNN, consulta las siguientes páginas:

Controla las invalidaciones de DML debido a la aceleración con el motor de columnas

Si elegiste acelerar tus búsquedas de vectores con el motor en columnas, ten en cuenta que las invalidaciones de DML y DDL en las tablas base pueden afectar el rendimiento de las consultas vectoriales. En caso de una alta capacidad de procesamiento de DML, considera ajustar la marca de base de datos google_columnar_engine.refresh_threshold_percentage o actualizar manualmente el índice con el comando google_columnar_engine_refresh_index.

Analiza tus consultas

Usa el comando EXPLAIN ANALYZE para analizar tus estadísticas de consultas, como se muestra en la siguiente consulta en SQL de ejemplo.

  EXPLAIN ANALYZE SELECT result-column
  FROM my_table
  ORDER BY EMBEDDING_COLUMN <-> embedding('text-embedding-005', 'What is a database?')::vector
  LIMIT 1;

La respuesta de ejemplo QUERY PLAN incluye información como el tiempo transcurrido, la cantidad de filas analizadas o devueltas, y los recursos utilizados.

Limit  (cost=0.42..15.27 rows=1 width=32) (actual time=0.106..0.132 rows=1 loops=1)
  ->  Index Scan using my_scann_index on my_table  (cost=0.42..858027.93 rows=100000 width=32) (actual time=0.105..0.129 rows=1 loops=1)
        Order By: (embedding_column <-> embedding('text-embedding-005', 'What is a database?')::vector(768))
        Limit value: 1
Planning Time: 0.354 ms
Execution Time: 0.141 ms

Visualiza las métricas de los índices de vectores

Puedes usar las métricas de índice de vectores para revisar el rendimiento de tu índice de vectores, identificar áreas de mejora y ajustar el índice según las métricas, si es necesario. La vista pg_stat_ann_indexes te ayuda a comprender el estado del uso de los índices, mientras que la vista pg_stat_ann_index_creation proporciona información sobre las filas creadas en el momento de la creación del índice.

Para ver las métricas de uso de índices, ejecuta el siguiente comando:

SELECT * FROM pg_stat_ann_indexes;

Verás un resultado similar al siguiente:

-[ RECORD 1 ]----------+---------------------------------------------------------------------------
relid                  | 271236
indexrelid             | 271242
schemaname             | public
relname                | t1
indexrelname           | t1_ix1
indextype              | scann
indexconfig            | {num_leaves=100,max_num_levels=1,quantizer=SQ8}
indexsize              | 832 kB
indexscan              | 0
insertcount            | 250
deletecount            | 0
updatecount            | 0
partitioncount         | 100
distribution           | {"average": 3.54, "maximum": 37, "minimum": 0, "outliers": [37, 12, 11, 10, 10, 9, 9, 9, 9, 9]}
distributionpercentile |{"10": { "num_vectors": 0, "num_partitions": 0 }, "25": { "num_vectors": 0, "num_partitions": 30 }, "50": { "num_vectors": 3, "num_partitions": 30 }, "75": { "num_vectors": 5, "num_partitions": 19 }, "90": { "num_vectors": 7, "num_partitions": 11 }, "95": { "num_vectors": 9, "num_partitions": 5 }, "99": { "num_vectors": 12, "num_partitions": 4 }, "100": { "num_vectors": 37, "num_partitions": 1 }}

Para ver la cantidad de filas creadas en el momento de la creación del índice, ejecuta el siguiente comando:

SELECT * FROM pg_stat_ann_index_creation;