שיטות מומלצות לכוונון של אינדקסים ב-ScaNN

בחירת גרסה של מאמר העזרה:

בדף הזה מפורטות המלצות לגבי אופן הכוונון של פרמטרים של אינדקס AlloyDB Omni כדי להשיג איזון אופטימלי בין היזכרות לבין QPS. הפרמטרים המומלצים לאינדקס Scalable Nearest Neighbor ‏ (ScaNN) משתנים בהתאם לבחירה שלכם אם ליצור אינדקס עץ דו-רמתי או תלת-רמתי.

יצירת אינדקסים ב-ScaNN

מידע נוסף זמין במאמר בנושא ScaNN Index reference.

אינדקס עץ דו-רמתי

כדי ליישם המלצות שיעזרו לכם למצוא את הערכים האופטימליים של num_leaves ושל num_leaves_to_search עבור מערך הנתונים שלכם, פועלים לפי השלבים המומלצים הבאים:

  1. כדי ליצור את האינדקס ScaNN שממוטב למקרים הבאים, מגדירים את הפרמטר num_leaves לערך הבא, כאשר rows הוא מספר השורות בטבלה המאונדקסת:
    • balanced index build time and quality set num_leaves to sqrt(rows).
    • ‫quality‏ num_leaves מוגדר כ-rows/100.
  2. מריצים את שאילתות הבדיקה, ומגדילים את הערך של scann.num_of_leaves_to_search, עד שמגיעים לטווח היעד של הזיכרון – למשל, 95%. מידע נוסף על ניתוח השאילתות זמין במאמר ניתוח השאילתות.
  3. חשוב לשים לב ליחס בין scann.num_leaves_to_search לבין num_leaves, שבו תשתמשו בשלבים הבאים. היחס הזה מספק קירוב לגבי מערך הנתונים שיעזור לכם להשיג את יעד ההחזרה.

    אם אתם עובדים עם וקטורים של מימדים גבוהים (500 מימדים ומעלה) ורוצים לשפר את ההחזרה, נסו לשנות את הערך של scann.pre_reordering_num_neighbors. ערך ברירת המחדל מוגדר לערך 500 * K, כאשר K הוא המגבלה שהגדרתם בשאילתה.
  4. אם ערך השאילתות לשנייה נמוך מדי אחרי שהשאילתות משיגות את ערך ההחזרה (recall) הרצוי, צריך לבצע את השלבים הבאים:
    1. יוצרים מחדש את האינדקס, ומגדילים את הערכים של num_leaves ושל scann.num_leaves_to_search בהתאם להנחיות הבאות:
      • מגדירים את num_leaves לגורם גדול יותר של השורש הריבועי של מספר השורות. לדוגמה, אם האינדקס num_leaves מוגדר לשורש הריבועי של מספר השורות, נסו להגדיר אותו כפול משורש הריבועי. אם הערך כבר הוכפל, נסו להגדיר אותו כערך משולש של השורש הריבועי.
      • מגדילים את scann.num_leaves_to_search לפי הצורך כדי לשמור על היחס שלו עם num_leaves, שרשמתם בשלב 3.
      • מגדירים את num_leaves לערך שקטן ממספר השורות חלקי 100 או שווה לו.
    2. מריצים שוב את שאילתות הבדיקה. במהלך הרצת שאילתות הבדיקה, כדאי להתנסות בהפחתת scann.num_leaves_to_search, כדי למצוא ערך שמגדיל את QPS תוך שמירה על ערך גבוה של recall. כדאי לנסות ערכים שונים של scann.num_leaves_to_search בלי לבנות מחדש את האינדקס.
  5. חוזרים על שלב 4 עד שגם ה-QPS וגם טווח ההחזרה מגיעים לערכים מקובלים.

אינדקס עץ עם שלוש רמות

בנוסף להמלצות לגבי אינדקס של עץ עם שתי רמות ScaNN, כדאי לפעול לפי ההנחיות הבאות.

כדי ליישם המלצות ולמצוא את הערך האופטימלי של פרמטרים של אינדקס num_leaves ו-max_num_levels, פועלים לפי השלבים הבאים:

  1. יוצרים את אינדקס ScaNN עם השילובים הבאים של num_leaves ו-max_num_levels בהתאם ליעדי הביצועים:

    • זמן בניית אינדקס האיזון ואיכותו: מגדירים את max_num_levels כ-2 ואת num_leaves כ-power(rows, ⅔).
    • אופטימיזציה לאיכות: מגדירים את max_num_levels כ-2 ואת num_leaves כ-rows/100.

  2. מריצים את שאילתות הבדיקה. מידע נוסף על ניתוח שאילתות זמין במאמר ניתוח השאילתות.

  3. חשוב לשים לב ליחס בין scann.num_leaves_to_search ל-num_leaves, שבו תשתמשו בשלבים הבאים. היחס הזה מספק קירוב לגבי מערך הנתונים שיעזור לכם להשיג את יעד ההיזכרות.

אם אתם עובדים עם וקטורים של מאפיינים גבוהים (500 מאפיינים ומעלה) ורוצים לשפר את ההחזרה, כדאי לנסות לשנות את הערך של scann.pre_reordering_num_neighbors. ערך ברירת המחדל מוגדר לערך 500 * K, כאשר K הוא המגבלה שהגדרתם בשאילתה.

  1. אם ערך ה-QPS נמוך מדי אחרי שהשאילתות משיגות את ערך הזיכרון (recall) הרצוי, צריך לפעול לפי השלבים הבאים:

    • יוצרים מחדש את האינדקס, ומגדילים את הערכים של num_leaves ו-scann.num_leaves_to_search בהתאם להנחיות הבאות:
    • מגדירים את num_leaves כגורם גדול יותר של power(rows, ⅔). לדוגמה, אם הערך של num_leaves באינדקס מוגדר ל-power(rows, ⅔), נסו להגדיר אותו לערך כפול מ-power(rows, ⅔). אם הערך כבר הוכפל, נסו להגדיר אותו כערך משולש של power(rows, ⅔).
    • מגדילים את scann.num_leaves_to_search לפי הצורך כדי לשמור על היחס שלו ל-num_leaves, שציינתם בשלב 3.
    • צריך להגדיר ל-num_leaves ערך שקטן מ-rows/100 או שווה לו.
    • מריצים שוב את שאילתות הבדיקה. במהלך הרצת שאילתות הבדיקה, כדאי להתנסות בהפחתת scann.num_leaves_to_search, כדי למצוא ערך שמגדיל את QPS תוך שמירה על ערך גבוה של recall. אפשר לנסות ערכים שונים של scann.num_leaves_to_search בלי לבנות מחדש את האינדקס.

  2. חוזרים על שלב 4 עד שגם ה-QPS וגם טווח ההחזרה מגיעים לערכים מקובלים.

תחזוקת האינדקס

אם הטבלה שלכם נוטה להתעדכן או להשתנות לעיתים קרובות, מומלץ ליצור מחדש את האינדקס הקיים ScaNN באופן תקופתי כדי לשפר את דיוק האחזור. אתם יכולים לעקוב אחרי מדדי האינדקס כדי לראות שינויים בהתפלגויות הווקטורים או במוטציות הווקטורים מאז בניית האינדקס, ואז לבצע אינדוקס מחדש בהתאם. מידע נוסף על מדדים זמין במאמר מדדים של אינדקס וקטורי.

המאמרים הבאים