Métricas do índice de vetores

Selecione uma versão da documentação:

Esta página apresenta as métricas relacionadas com os índices vetoriais que gera no AlloyDB Omni. Pode ver estas métricas através da vista pg_stat_ann_indexes disponível quando instala a alloydb_scann extensão.

Para mais informações sobre como ver as métricas, consulte o artigo Veja as métricas do índice vetorial.

Métricas de usabilidade

As métricas de usabilidade incluem métricas que ajudam a compreender o estado de utilização do índice com métricas, como a configuração do índice e o número de verificações do índice.

Nome da métrica Tipo de dados Descrição
relid OID Identificador exclusivo da tabela que contém o índice vetorial
indexrelid OID Identificador exclusivo do índice de vetores
schemaname NAME Nome do esquema proprietário do índice
relname NAME Nome da tabela que contém o índice
indexrelname NAME Nome do índice
indextype NAME Tipo de índice. Este valor está sempre definido como alloydb_scann
indexconfig TEXT[] Configuração, como a contagem de folhas e o quantizador, definida para o índice quando foi criado
indexsize TEXT Tamanho do índice
indexscan BIGINT Número de análises de índice iniciadas no índice
partitioncount BIGINT Número de partições (nós folha) na árvore.

Métricas de aperfeiçoamento

As métricas de ajuste fornecem estatísticas sobre a otimização do índice atual, o que lhe permite aplicar recomendações para um desempenho de consulta mais rápido.

Nome da métrica Tipo de dados Descrição
insertcount BIGINT Número de operações de inserção no índice. Esta métrica também inclui o número de linhas que existiam antes da criação do índice.
updatecount BIGINT Número de operações de atualização no índice. Esta métrica não tem em conta as atualizações HOT.
deletecount BIGINT Número de operações de eliminação no índice.
distribution JSONB Distribuições de vetores em todas as partições do índice.

Os seguintes campos mostram a distribuição:
  • maximum (INT8): número máximo de vetores em todas as partições.
  • minimum (INT8): número mínimo de vetores em todas as partições.
  • average (FLOAT) : número médio de vetores em todas as partições.
  • outliers (INT8[]): valores atípicos principais em todas as partições. Este valor mostra os 20 valores atípicos principais.

Nota: devido às caraterísticas inerentes do algoritmo de agrupamento K-means, haverá sempre algum grau de variação na distribuição de vetores entre partições, mesmo quando o índice é criado inicialmente.

Ajuste da recomendação com base nas métricas

Mutação
As métricas insertcount, updatecount> e deletecount mostram em conjunto as alterações ou as mutações no vetor do índice.
O índice é criado com um número específico de vetores e partições. Quando são realizadas operações como inserir, atualizar ou eliminar no índice vetorial, estas afetam apenas o conjunto inicial de partições onde os vetores residem. Consequentemente, o número de vetores em cada partição flutua ao longo do tempo, o que pode afetar a capacidade de memorização, o QPS ou ambos.
Se encontrar problemas de lentidão ou precisão, como um baixo QPS ou uma má capacidade de memorização, nas suas consultas de pesquisa de RNA ao longo do tempo, considere rever estas métricas. Um número elevado de mutações relativamente ao número total de vetores pode indicar a necessidade de reindexação.
Distribuição
A métrica distribution mostra as distribuições de vetores em todas as partições.
Quando cria um índice, este é criado com um número específico de vetores e partições fixas. O processo de partição e a distribuição subsequente ocorrem com base nesta consideração. Se forem adicionados vetores adicionais, estes são divididos entre as partições existentes, o que resulta numa distribuição diferente em comparação com a distribuição quando o índice foi criado. Uma vez que a distribuição final não considera todos os vetores em simultâneo, a capacidade de memorização, as QPS ou ambas podem ser afetadas.
Se observar uma diminuição gradual no desempenho das suas consultas de pesquisa de ANN, como tempos de resposta mais lentos ou uma precisão reduzida nos resultados (medida por QPS ou recall), considere verificar esta métrica e reindexar.