Hier erfahren Sie, wie Sie die folgenden Vektorindexe optimieren, um in AlloyDB for PostgreSQL eine schnellere Abfrageleistung und einen besseren Recall zu erzielen:
Sie können Ihre Abfragen auch analysieren und Messwerte für Vektorindexe aufrufen, um die Abfrageleistung zu beobachten und zu verbessern.
IVFFlat-Index optimieren
Durch Anpassen der Werte, die Sie für die Parameter lists und ivfflat.probes festlegen, können Sie die Anwendungsleistung optimieren:
| Abstimmungsparameter | Beschreibung | Parametertyp |
|---|---|---|
lists |
Die Anzahl der Listen, die beim Erstellen des Index erstellt wurden. Der Ausgangspunkt für die Festlegung dieses Werts ist (rows)/1000 für bis zu einer Million Zeilen und sqrt(rows) für mehr als eine Million Zeilen. |
Index erstellen |
ivfflat.probes |
Die Anzahl der nächsten Listen, die bei der Suche untersucht werden sollen. Der Ausgangspunkt für diesen Wert ist sqrt(lists). |
Laufzeit der Abfrage |
Bevor Sie einen IVFFlat-Index erstellen, müssen Sie darauf achten, dass das max_parallel_maintenance_workers-Flag der Datenbank auf einen Wert gesetzt ist, der ausreicht, um die Indexerstellung für große Tabellen zu beschleunigen.
Im folgenden Beispiel sehen Sie einen IVFFlat-Index mit den festgelegten Optimierungsparametern:
SET LOCAL ivfflat.probes = 10;
CREATE INDEX my-ivfflat-index ON my-table
USING ivfflat (vector_column cosine)
WITH (lists = 100);
Abfragen analysieren
Verwenden Sie den Befehl EXPLAIN ANALYZE, um Ihre Abfragestatistiken zu analysieren, wie in der folgenden SQL-Beispielabfrage gezeigt.
EXPLAIN ANALYZE SELECT result-column
FROM my-table
ORDER BY EMBEDDING_COLUMN <=> embedding('text-embedding-005', 'What is a database?')::vector
LIMIT 1;
Die Beispielantwort QUERY PLAN enthält Informationen wie die benötigte Zeit, die Anzahl der gescannten oder zurückgegebenen Zeilen und die verwendeten Ressourcen.
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
Messwerte für Vektorindexe ansehen
Sie können Messwerte für Vektorindexe verwenden, um die Leistung Ihres Vektorindex zu prüfen, Bereiche zu identifizieren, in denen Verbesserungen möglich sind, und den Index bei Bedarf anhand der Messwerte zu optimieren.
Wenn Sie alle Messwerte für Vektorindexe aufrufen möchten, führen Sie die folgende SQL-Abfrage aus, in der die Ansicht pg_stat_ann_indexes verwendet wird:
SELECT * FROM pg_stat_ann_indexes;
Die Ausgabe sollte in etwa so aussehen:
-[ RECORD 1 ]----------+---------------------------------------------------------------------------
relid | 271236
indexrelid | 271242
schemaname | public
relname | t1
indexrelname | t1_ix1
indextype | scann
indexconfig | {num_leaves=100,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 }}
Weitere Informationen zur vollständigen Liste der Messwerte finden Sie unter Messwerte für Vektorindex.