本頁面提供 AlloyDB AI 中適應性篩選功能的概念總覽，這項功能旨在最佳化篩選後的向量搜尋結果。
什麼是自動調整篩選？
自動調適篩選功能會在查詢執行期間分析查詢模式和資料分配情形，動態選擇最有效率的篩選策略，例如內嵌或預先篩選。
AlloyDB AI 查詢最佳化工具會使用以費用為準的分析，判斷在查詢執行期間的任何時間點，內嵌篩選或預先篩選是否能提供最佳效能。
這類最佳化作業支援 AlloyDB AI 的已篩選向量搜尋，可讓系統自動在向量和中繼資料索引之間切換，產生準確有效率的結果，不需手動介入。
動態切換篩選策略
在查詢執行期間，適應性篩選功能會根據即時查詢模式和資料分配情形，自動且動態地在內嵌篩選和預先篩選策略之間切換。AlloyDB AI 查詢最佳化工具會使用以成本為準的分析，判斷哪種策略在任何時間點都能提供最佳效能。
從內嵌到預先篩除
如果最佳化工具判斷預先篩選的效率較高，自動調適篩選功能會在執行期間，觸發從內嵌篩選切換至預先篩選。查詢計畫會動態變更，以反映這項異動。
舉例來說，如果最佳化工具判斷在查詢中的該時間點進行預先篩選的效率較高，企劃書的「執行策略」欄位就會顯示 Bitmap assisted pre-filtering。系統會在查詢執行期間，根據實際遇到的資料進行調整，因此會發生這種動態變化。
Limit (actual rows=10 loops=1)
-> Custom Scan (vector scan) on t1 (actual rows=10 loops=1)
Execution Strategy: Bitmap assisted pre-filtering
Order By: (vec_col <=> '[...]'::vector)
Limit: 10
-> Bitmap Index Scan on btree_idx (actual rows=10000 loops=1)
Index Cond: (int_col <= 100000000)
使用 Execution Strategy: Bitmap assisted pre-filtering 時，Bitmap Index Scan 會先篩選大型資料集，如果預先篩選能有效縮小候選項目範圍，系統就不會使用向量索引進行最終的向量相似度搜尋。
從預先篩選到內嵌篩選
如果 AlloyDB AI 查詢最佳化工具判斷內嵌篩選器更適合目前的查詢特徵，自適應篩選器也會動態從預先篩選切換至內嵌篩選。
在這種情況下，查詢計畫會動態調整，以反映向量資料的直接處理方式，而向量掃描前不會有明確的預先篩選步驟。因此，當資料分配或查詢參數在執行階段發生變化時，這項功能有助於達到最佳效能。
舉例來說，如果最佳化工具判斷內嵌篩選策略對特定查詢的效率較高，查詢計畫的「執行策略」欄位就會顯示 vector scan。
Limit (actual rows=10 loops=1)
-> Custom Scan (vector scan) on t1 (actual rows=10 loops=1)
Execution Strategy: Bitmap assisted vector Scan on scann_idx
Order By: (vec_col <=> '[...]'::vector)
Limit: 10
Num Requalifications: 0
Num filtered: 1000
-> Bitmap Index Scan on btree_idx (actual rows=10000 loops=1)
Index Cond: (int_col <= 100000000)
在這個範例中，Execution Strategy 會顯示 Bitmap assisted vector Scan on scann_idx，並在 btree_idx 上顯示底層的 Bitmap Index Scan。這表示向量搜尋使用點陣圖篩選器，而點陣圖索引掃描會根據 int_col <= 100000000 條件產生篩選器。Custom Scan (vector scan) 接著只會處理這個點陣圖識別的資料列，直接將篩選程序整合到向量掃描程序中。