調整 AlloyDB for PostgreSQL 中的向量查詢效能

瞭解如何調整下列向量索引，在 PostgreSQL 適用的 AlloyDB 中提升查詢效能並改善召回率：

您也可以分析查詢並查看向量索引指標，藉此監控及提升查詢效能。

事前準備

建立 ScaNN 索引前，請先完成下列步驟：

  • 確認已建立含有資料的表格。
  • 為避免產生索引時發生問題，請確保為 maintenance_work_mem 和 shared_buffers 旗標設定的值小於機器總記憶體。

調整 ScaNN 索引

請參考下列指引，選擇兩層或三層的 ScaNN 索引：

  • 如果向量資料列數少於 1 千萬列，請選擇雙層索引。
  • 如果向量資料列數量超過 1 億列，請選擇三層索引。
  • 如果向量資料列數介於 1 千萬到 1 億列之間，請選擇三層索引來縮短索引建構時間，或選擇兩層索引來提高搜尋召回率。

請參考以下兩層和三層 ScaNN 索引的範例，瞭解如何為 1,000,000 個資料列的資料表設定調整參數：

兩層索引

SET LOCAL scann.num_leaves_to_search = 1;
SET LOCAL scann.pre_reordering_num_neighbors=50;

CREATE INDEX my-scann-index ON my-table
  USING scann (vector_column cosine)
  WITH (num_leaves = 1000); -- Note: 1000 is the square root of 1,000,000 rows.

三層索引

SET LOCAL scann.num_leaves_to_search = 10;
SET LOCAL scann.pre_reordering_num_neighbors = 50;

CREATE INDEX my-scann-index ON my-table
  USING scann (vector_column cosine)
  WITH (num_leaves = 10000, max_num_levels = 2);

如要調整 ScaNN 索引時，在召回率和每秒查詢次數之間取得最佳平衡，請參閱調整 ScaNN 索引的最佳做法。

分析查詢

使用 EXPLAIN ANALYZE 指令分析查詢洞察，如下列 SQL 查詢範例所示。

  EXPLAIN ANALYZE SELECT result-column
  FROM my-table
  ORDER BY EMBEDDING_COLUMN <=> embedding('text-embedding-005', 'What is a database?')::vector
  LIMIT 1;

範例回應 QUERY PLAN 包含所花時間、掃描或傳回的資料列數，以及使用的資源等資訊。

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

查看向量索引指標

您可以運用向量索引指標查看向量索引的成效、找出可改進的部分，並視需要根據指標調整索引。

如要查看所有向量索引指標，請執行下列 SQL 查詢，其中會使用 pg_stat_ann_indexes 檢視區塊：

SELECT * FROM pg_stat_ann_indexes;

畫面會顯示類似以下內容的輸出：

-[ 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 }}

如要進一步瞭解完整的指標清單，請參閱「向量索引指標」。

後續步驟