ScaNN 索引參考資料

本頁面提供 ScaNN 索引的參考資料。

調整參數

下列索引參數和資料庫標記會一併使用，以找出合適的召回率和 QPS 平衡點。

選項類型 建立索引 查詢執行階段

調整參數	說明	選項類型
max_num_levels	K-means 分群樹的質心層級數量上限。 兩層樹狀結構索引：預設為 1，適用於兩層樹狀結構 (1 個質心層級 + 底層葉節點層級)。 三層樹狀結構索引：預設為三層樹狀結構 (2 個質心層級 + 底層葉節點層級) 設定 2 如果向量資料列數超過 1 億列，請將值設為 2。 如果向量資料列數少於 1 千萬列，請將值設為 1。 如果向量列數介於 1 千萬到 1 億列之間，請設為 1 或 2，以最佳化索引建構時間 (設為 2) 或最佳化搜尋召回率 (設為 1)。	建立索引 (選用)
num_leaves	要套用至這個索引的分區數量。建立索引時套用的分區數量會影響索引效能。增加一組向量的分區數量，即可建立更精細的索引，進而提升查詢效能和召回率。不過，這樣會導致索引建立時間變長。 由於三層樹狀結構的建構速度比兩層樹狀結構快，因此建立三層樹狀結構索引時，您可以增加 num_leaves_value 來提升效能。 兩層索引：將這個值設為 1 和 1048576 之間的任何值。 如要建立索引，並在索引建構速度和搜尋效能之間取得平衡，請以 sqrt(ROWS) 做為起點，其中 ROWS 是向量資料列的數量。每個分區所含的向量數量會以 ROWS/sqrt(ROWS) = sqrt(ROWS). 計算。由於可以在向量列數少於 1 千萬的資料集上建立雙層樹狀結構索引，因此每個分區所含的向量數量會少於 (sqrt(10M)) 個，也就是 3200 個向量。為獲得最佳向量搜尋品質，建議盡量減少每個分割區中的向量數量。建議每個分區約有 100 個向量，因此請將 num_leaves 設為 ROWS/100。如果您有 1 千萬個向量，請將 num_leaves 設為 100,000。 三層索引：將這個值設為 1 和 1048576 之間的任何值。 如果不確定要選取哪個確切值，請使用 power(ROWS, 2/3) 做為起點，其中 ROWS 是向量列數。每個分區所含的向量數量會由 ROWS/power(ROWS, 2/3) = power(ROWS, 1/3). 計算。由於您可以在向量列超過 1 億的資料集上建立三層樹狀索引，因此每個分區會包含超過 (power(100M, 1/3)) 個向量，也就是 465 個向量。為獲得最佳向量搜尋品質，建議盡量減少每個分割區中的向量數量。建議每個分區約有 100 個向量，因此請將 num_leaves 設為 ROWS/100。如果您有 1 億個向量，請將 num_leaves 設為 100 萬。	建立索引 (必填)
quantizer	您想用於 K 平均值樹狀結構的量化器類型。預設值為 SQ8，可提供更優異的查詢效能，同時將喚回率損失降到最低 (通常低於 1-2%)。 如需 99% 以上的喚回率，請設為 FLAT。	建立索引 (選用)
scann.enable_inline_filtering	支援內建篩選功能，可查詢資料並直接在向量相似度搜尋作業中套用篩選條件。這些向量相似度查詢會對相同資料庫表格使用篩選器，並在計算距離以找出最鄰近項目時，完成篩選器評估。這個選項預設為停用。 如要啟用內嵌篩選功能，請將這個參數設為 true。如果發現效能變差，請設為 false。 這個選項適用於預先發布版。	查詢執行階段 (選用)
scann.enable_pca	啟用主成分分析 (PCA)，這是一種降維技術，可盡可能自動縮減嵌入的大小。這個選項預設為啟用。 如果發現召回率下降，請設為 false。	建立索引 (選用)
scann.num_leaves_to_search	這個資料庫標記可控制要搜尋的分葉或分割區絕對數量，讓您在召回率和 QPS 之間取捨。預設值為 num_leaves 中設定值的 1%。 值越高，喚回度就越好，但 QPS 會降低。同樣地，如果值較低，喚回度就會較低，但 QPS 會較高。	查詢執行階段 (選用)
scann.pre_reordering_num_neighbors	設定資料庫標記後，系統會在初始搜尋找出候選項目後，於重新排序階段考慮指定數量的候選鄰點。將這個參數設為大於查詢要傳回的鄰居數。 值越高，喚回度就越好，但 QPS 會越低。將這個值設為 0，即可停用重新排序功能。如果建立索引時未啟用 PCA，則預設值為 0。否則預設值為 50 x K，其中 K 是查詢中指定的 LIMIT。	查詢執行階段 (選用)
scann.num_search_threads	多執行緒搜尋的搜尋者執行緒數量。在對延遲時間較為敏感的應用程式中，使用多個執行緒進行 ScaNN ANN 搜尋，有助於縮短單一查詢的延遲時間。如果資料庫已受 CPU 限制，這項設定不會改善單一查詢延遲。預設值為 2。	查詢執行階段 (選用)

後續步驟

• 開始使用 AlloyDB AI 的向量嵌入。