在 AlloyDB AI 中選擇向量索引

選取說明文件版本:

本頁面說明 AlloyDB AI 向量搜尋策略,以及各策略的使用時機。根據預設,AlloyDB 會使用 K 近鄰搜尋 (KNN) 找出與查詢相似的向量。向量索引會實作稱為近似近鄰 (ANN) 的搜尋策略。建立向量索引時,AlloyDB AI 會使用 ANN,效能優於 KNN。請注意,選取向量索引時,您需要平衡查詢延遲和召回率。

「召回率」衡量搜尋功能為特定查詢擷取所有相關項目的成效。舉例來說,假設您有 100 個嵌入內容,每個內容都代表資料庫中的實體。您使用目標向量查詢嵌入,並將結果限制為 10 個。KNN 向量搜尋會使用暴力破解計算方法,找出 10 個最接近的確切向量,因此召回率為 100%。如果未建立或選擇向量搜尋索引,AlloyDB AI 預設會使用這個方法。在 AlloyDB for PostgreSQL 建立向量索引時,通常會使用 ANN,這可能會根據相似度分割向量,加快檢索速度。因此,使用 ANN 時,先前範例中傳回的 10 個向量,可能不是距離最接近的 10 個向量。如果檢索到的 10 個向量中,只有 8 個在空間上最接近查詢向量,則檢索率為 80%。

查詢延遲時間是指生成搜尋結果的速度。舉例來說,延遲時間是根據提交查詢後,搜尋傳回向量所需的時間計算。

選擇搜尋策略

在 AlloyDB 執行向量搜尋時,請選擇下列其中一種搜尋策略:

搜尋策略 說明 用途
K-近鄰演算法 (KNN) 這項演算法會找出與指定查詢資料點最接近的 k 個資料點。在未建立索引的情況下執行向量搜尋時,系統預設會執行 KNN 搜尋。
  • 您的應用程式對準確度非常敏感,需要最接近的精確相符項目。
  • 向量數量少於 100,000 個。
近似最鄰近 (ANN) 這項演算法會找出最接近的資料點。ANN 會根據相似度,將現有顧客資料點分成多個小群組。
  • 應用程式需要低延遲。
  • 向量數量超過 10 萬。

Google 建議您建立向量索引,盡量提升向量搜尋查詢的效能。如要進一步瞭解如何使用 ANN 索引進行相似度搜尋,請參閱「使用 ScaNN 建立索引和查詢向量」。

後續步驟