Ajustar a performance da consulta de vetor no AlloyDB Omni

Selecione uma versão da documentação:

Este documento descreve como ajustar seus índices para alcançar um desempenho de consulta mais rápido e um recall melhor no AlloyDB Omni.

Antes de começar

Antes de criar um índice ScaNN, faça o seguinte:

  • Verifique se uma tabela com seus dados já foi criada.
  • Para evitar problemas ao gerar o índice, verifique se o valor definido para a flag maintenance_work_mem e shared_buffers é menor que a memória total da máquina.
  • Para usar índices de quatro níveis, primeiro ative o recurso Prévia na sua instância. Para ativar o recurso de prévia, escolha um dos dois métodos a seguir:

Ajustar um índice ScaNN

Use as orientações a seguir para determinar o número de níveis necessários para seu índice do ScaNN:

  • Para 0 a 10 milhões de linhas: escolha um índice de dois níveis.
  • Para 10 milhões a 100 milhões de linhas:
    • Para priorizar o recall da pesquisa, escolha um índice de dois níveis.
    • Para priorizar o tempo de build do índice, escolha um índice de três níveis.
  • Para 100 milhões a 1 bilhão de linhas:
    • Para priorizar o recall de pesquisa, escolha um índice de três níveis.
    • Para priorizar o tempo de build do índice, escolha um índice de quatro níveis (em Prévia).
  • Para 1 bilhão a 10 bilhões de linhas: escolha um índice de quatro níveis (em Visualização).

Considere os exemplos a seguir para índices ScaNN de dois, três e quatro níveis que mostram como os parâmetros de ajuste são definidos para uma tabela com 1.000.000 de linhas:

Índice de dois níveis

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 três níveis

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 quatro níveis

(em pré-lançamento)

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);

Processar invalidações de DML devido à aceleração com o mecanismo colunar

Se você escolheu acelerar suas pesquisas de vetor com o mecanismo colunar, saiba que as invalidações de DML e DDL nas tabelas de base podem afetar o desempenho das consultas vetoriais. Em caso de alta capacidade de processamento de DML, ajuste a flag de banco de dados google_columnar_engine.refresh_threshold_percentage ou atualize manualmente o índice usando o comando google_columnar_engine_refresh_index.

Analisar suas consultas

Use o comando EXPLAIN ANALYZE para analisar os insights de consulta, conforme mostrado no exemplo de consulta SQL a seguir.

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

O exemplo de resposta QUERY PLAN inclui informações como o tempo gasto, o número de linhas verificadas ou retornadas e os recursos usados.

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

Visualizar métricas de índice vetorial

Use as métricas de índice de vetor para analisar a performance dele, identificar áreas de melhoria e ajustar o índice com base nas métricas, se necessário.

Para conferir todas as métricas de índice de vetor, execute a seguinte consulta SQL, que usa a visualização pg_stat_ann_indexes:

SELECT * FROM pg_stat_ann_indexes;

Você verá uma saída semelhante a esta:

-[ 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 conferir o número de linhas criadas no momento da criação do índice, execute o seguinte comando:

SELECT * FROM pg_stat_ann_index_creation;

Você verá uma saída semelhante a esta:

-[ RECORD 1 ]----------+---------------------------------------------------------------------------
relid                         | 271236
indexrelid                    | 271242
schemaname                    | public
relname                       | t1
indexrelname                  | t1_ix1
index_rows_at_creation_time   | 262144

Para mais informações sobre a lista completa de métricas, consulte Métricas de índice vetorial.

A seguir