Documentation de référence sur l'index ScaNN AlloyDB Omni

Sélectionnez une version de la documentation :

Cette page fournit une documentation de référence détaillée sur les paramètres d'ajustement disponibles pour les index ScaNN (Scalable Nearest Neighbors) dans AlloyDB Omni.

Pour un tutoriel pas à pas sur l'implémentation de la recherche vectorielle de bout en bout, consultez le guide Effectuer une recherche vectorielle.

Paramètres de réglage

Les paramètres d'index et de requête ci-après sont utilisés pour trouver le bon équilibre entre rappel et requêtes par seconde (RPS).

Paramètre de réglage Description Type d'option
mode Définit l'index ScaNN comme un index ajusté automatiquement ou manuellement. Les options disponibles sont les suivantes :
  • AUTO : index ajusté automatiquement
  • MANUAL : index ajusté manuellement

Pour en savoir plus, consultez Créer un index ScaNN.

Création d'index

(facultatif)
max_num_levels Nombre maximal de niveaux de centroïdes de l'arborescence de clustering en K-moyennes. Pour obtenir des conseils sur la définition de cette valeur, consultez Régler un index ScaNN.

Les valeurs disponibles sont les suivantes :

  • 1 : index ScaNN à deux niveaux
  • 2 : index ScaNN à trois niveaux
  • 3 : index ScaNN à quatre niveaux (preview)

Si vous définissez max_num_levels sur 3, vous devez également définir scann.max_allowed_num_levels sur 3. Pour en savoir plus, consultez Bonnes pratiques pour ajuster les index ScaNN.

Création d'index

(facultatif)
num_leaves Nombre de partitions à appliquer à cet index. La valeur maximale est de 30000000. Pour en savoir plus sur le choix de cette valeur, consultez Régler un index ScaNN et Bonnes pratiques pour ajuster les index ScaNN.

Création d'index

(obligatoire pour les index ajustés manuellement)

quantizer Type de quantificateur à utiliser pour l'arborescence k-moyennes. La valeur par défaut est définie sur SQ8, ce qui permet d'améliorer les performances des requêtes avec une perte de rappel minimale (généralement inférieure à 1 % ou 2 %).

Définissez la valeur sur FLAT si un rappel de 99 % ou plus est requis.		 Création d'index
(facultatif)
scann.enable_pca Active l'analyse des composants principaux (ACP), une technique de réduction de la dimensionnalité utilisée pour réduire automatiquement la taille de l'embedding lorsque cela est possible. Cette option est activée par défaut.

Définissez-la sur false si vous constatez une détérioration du rappel.		 Création d'index
(facultatif)
auto_maintenance Maintenez automatiquement un index ScaNN pour qu'à mesure que votre ensemble de données augmente, AlloyDB Omni analyse et met à jour les centroïdes, et divise les grandes partitions de valeurs aberrantes. Cela améliore automatiquement les RPS et les résultats de recherche. Pour en savoir plus, consultez Gérer automatiquement les index.

Création d'index

(facultatif)
Gérez automatiquement le nombre de partitions qu'un index vectoriel recherche. Pour en savoir plus, consultez Rechercher le pourcentage de partitions.

Nombre absolu de partitions à rechercher. Cela vous permet de trouver un équilibre entre le rappel des requêtes et le RPS. La valeur par défaut est de 1% de num_leaves.

Des valeurs plus élevées améliorent le rappel des requêtes, mais réduisent le RPS. De même, des valeurs plus faibles entraînent un rappel de requête moins bon, mais un meilleur RPS.

Environnement d'exécution de requêtes

(facultatif)
scann.pre_reordering_num_neighbors

Spécifie le nombre de voisins candidats à prendre en compte lors des étapes de réorganisation une fois que la recherche initiale a identifié un ensemble de candidats. Définissez ce paramètre sur une valeur supérieure au nombre de voisins que vous souhaitez que la requête renvoie. Des valeurs plus élevées améliorent le rappel, mais réduisent le RPS.

La valeur par défaut est 0, ce qui désactive le réordonnancement. Si l'ACP est activée lors de la création de l'index, la valeur par défaut est 50 x K, où K correspond à la valeur "LIMIT" spécifiée dans la requête.

Environnement d'exécution de requêtes

(facultatif)
scann.num_search_threads Nombre de threads de recherche pour la recherche multithread. Cela peut aider à réduire la latence des requêtes uniques, car plusieurs threads sont utilisés pour la recherche ScaNN ANN dans les applications sensibles à la latence. Ce paramètre n'améliore pas la latence des requêtes individuelles si la base de données est déjà liée au processeur. La valeur par défaut est 2. Durée d'exécution de la requête 
(facultatif)

scann.satisfy_limit (preview)

 Lorsque ce paramètre est défini sur relaxed_order, le flag de base de données corrige un rappel insuffisant. Un rappel insuffisant peut se produire lorsque le rappel observé d'une requête est inférieur au rappel cible, ce qui est plus probable lors de l'utilisation de filtres. Ce paramètre permet d'atteindre le rappel cible en autorisant l'analyse vectorielle à poursuivre la recherche au-delà de la limite num_leaves_to_search jusqu'à ce qu'un nombre suffisant de résultats soit trouvé. Durée d'exécution de la requête 
(facultatif)
Cet indicateur de base de données définit une limite supérieure au pourcentage de feuilles totales pouvant être visitées pour les requêtes que vous exécutez avec scann.satisfy_limit activé. Il s'agit de la seule limite supérieure de GUC disponible. Elle s'applique aux modes de recherche automatique et manuelle. Cela empêche la recherche de dépasser la cible, ce qui pourrait dégrader considérablement les performances. Cela s'applique lorsque scann.satisfy_limit est activé.
Vous pouvez définir ce paramètre sur n'importe quelle valeur comprise entre 0 et 100. La valeur par défaut est 15%. Cette valeur par défaut est basée sur le principe selon lequel, si une recherche doit examiner plus de 15% des feuilles, le filtre est probablement suffisamment sélectif pour que la recherche approximative des voisins les plus proches (ANN) ne présente aucun avantage, ce qui fait de la recherche des k plus proches voisins (KNN) avec préfiltrage un choix plus approprié.		 Durée d'exécution de la requête 
(facultatif)

Étapes suivantes