Choisir un index vectoriel dans AlloyDB AI

Sélectionnez une version de la documentation :

Cette page décrit les stratégies de recherche vectorielle AlloyDB AI et explique quand utiliser chacune d'elles. Par défaut, AlloyDB utilise la recherche des k plus proches voisins (KNN) pour trouver les vecteurs similaires à une requête. Les index vectoriels implémentent une stratégie de recherche appelée Approximate Nearest Neighbor (ANN). Lorsque vous créez un index vectoriel, AlloyDB AI utilise ANN, qui offre de meilleures performances que KNN. N'oubliez pas que lorsque vous sélectionnez un index vectoriel, vous devez équilibrer la latence et le rappel des requêtes.

Le rappel mesure l'efficacité avec laquelle une recherche récupère tous les éléments pertinents pour une requête donnée. Supposons, par exemple, que vous disposez de 100 embeddings, chacun représentant une entité dans votre base de données. Vous interrogez vos embeddings avec un vecteur cible et le limitez à 10 résultats. Une recherche vectorielle KNN trouve les 10 vecteurs les plus proches exacts à l'aide d'une méthode de calcul par force brute, ce qui donne un rappel de 100 %. AlloyDB AI utilise cette méthode par défaut si aucun index de recherche vectorielle n'est créé ni sélectionné. Lorsque vous créez un index vectoriel dans AlloyDB pour PostgreSQL, il utilise généralement ANN, qui peut partitionner les vecteurs en fonction de leur similarité pour faciliter une récupération plus rapide. Par conséquent, avec ANN, les 10 vecteurs renvoyés dans l'exemple précédent ne sont peut-être pas exactement les 10 vecteurs les plus proches en termes de distance. Si seuls 8 des 10 vecteurs récupérés sont les plus proches de votre vecteur de requête, votre rappel est de 80%.

La latence des requêtes définit la vitesse à laquelle les résultats de recherche sont générés. Par exemple, la latence est calculée en fonction du temps passé sur une recherche pour renvoyer les vecteurs après l'envoi d'une requête.

Choisir votre stratégie de recherche

Lorsque vous effectuez une recherche vectorielle dans AlloyDB, choisissez l'une des stratégies de recherche suivantes :

Stratégie de recherche Description Cas d'utilisation
K plus proches voisins (KNN) Algorithme qui trouve les points de données des k plus proches voisins d'un point de données de requête donné. Lorsque vous effectuez une recherche vectorielle sans créer d'index, une recherche KNN est effectuée par défaut.
  • Votre application est très sensible à la précision et vous avez besoin des correspondances les plus proches exactes.
  • Vous avez moins de 100 000 vecteurs.
Voisin le plus proche (ANN) Algorithme qui trouve approximativement les points de données les plus proches. ANN divise les points de données client existants en petits groupes en fonction des similarités.
  • Votre application nécessite une faible latence.
  • Vous avez plus de 100 000 vecteurs.

Google vous recommande de créer un index vectoriel pour optimiser les performances de vos requêtes de recherche vectorielle. Pour en savoir plus sur l'utilisation de l'index ANN pour les recherches de similarités, consultez Créer des index et des vecteurs de requête à l'aide de ScaNN.

Étape suivante