Ajuste o desempenho das consultas vetoriais no AlloyDB Omni

Selecione uma versão da documentação:

Este documento descreve como ajustar os seus índices para alcançar um desempenho de consulta mais rápido e uma melhor capacidade de memorização no AlloyDB Omni.

Antes de começar

Antes de criar um índice ScaNN, conclua o seguinte:

  • Certifique-se de que já criou uma tabela com os seus dados.
  • Para evitar problemas ao gerar o índice, certifique-se de que o valor que define para o indicador maintenance_work_mem e o indicador shared_buffers é inferior à memória total da máquina.

Ajuste um índice ScaNN

Use as seguintes orientações para escolher entre um índice ScaNN de dois níveis e de três níveis:

  • Escolha um índice de dois níveis se o número de linhas de vetores for inferior a 10 milhões de linhas.
  • Escolha um índice de três níveis se o número de linhas de vetores exceder 100 milhões de linhas.
  • Escolha um índice de três níveis para otimizar o tempo de criação do índice ou escolha um índice de dois níveis para otimizar a capacidade de memorização da pesquisa se o número de linhas de vetores estiver entre 10 milhões e 100 milhões de linhas.

Considere os seguintes exemplos para índices de ScaNN de dois e três níveis que mostram como os parâmetros de otimização são definidos para uma tabela com 1 000 000 de linhas:

Índice de dois níveis

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 = [power(1000000, 1/2)]);

Índice de três níveis

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 = [power(1000000, 2/3)], max_num_levels = 2);

Analise as suas consultas

Use o comando EXPLAIN ANALYZE para analisar as estatísticas de consultas, conforme mostrado no seguinte exemplo de consulta SQL.

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

A resposta de exemplo QUERY PLAN inclui informações como o tempo necessário, o número de linhas analisadas ou devolvidas e os recursos usados.

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

Veja métricas do índice vetorial

Pode usar as métricas do índice vetorial para rever o desempenho do índice vetorial, identificar áreas de melhoria e ajustar o índice com base nas métricas, se necessário.

Para ver todas as métricas do índice vetorial, execute a seguinte consulta SQL, que usa a vista pg_stat_ann_indexes:

SELECT * FROM pg_stat_ann_indexes;

Para mais informações sobre a lista completa de métricas, consulte o artigo Métricas do índice vetorial.

O que se segue?