调节参数
以下索引参数和数据库标志可结合使用，以便在召回率和 QPS 之间取得适当的平衡。
| 调优参数 | 说明 | 选项类型 |
|---|---|---|
max_num_levels |
K-means 聚类树的形心级别数量上限。
|
索引创建 （可选） |
num_leaves |
要应用于此索引的分区数量。创建索引时所应用的分区数量会影响索引性能。通过为一定数量的向量增加分区，您可以创建更精细的索引，从而提高召回率和查询性能。不过，这会以延长索引创建时间为代价。 由于三级树的构建速度比二级树更快，因此您可以在创建三级树索引时增加 num_leaves_value，以实现更好的性能。
|
索引创建 （必需） |
quantizer |
您要用于 K-means 树的量化器的类型。默认值设置为 SQ8，这可在召回率损失最小（通常低于 1-2%）的情况下提供更好的查询性能。如果需要 99% 或更高的召回率，请将其设置为 FLAT。 |
索引创建 （可选） |
scann.enable_pca |
启用主成分分析 (PCA)，这是一种降维技术，用于尽可能自动缩减嵌入的大小。此选项默认处于启用状态。 如果您发现召回率下降，请将其设置为 false。 |
索引创建 （可选） |
scann.pct_leaves_to_search (Preview) |
借助此数据库标志，您可以 [自动管理要搜索的叶或分区的数量](/alloydb/omni/kubernetes/16.3.0/docs/ai/maintain-vector-indexes#manage-leave-to-search-split-partitions)。将此值设置为当前分区数量。例如，如需搜索当前分区数量的 1%，请将此值设置为 1。您可以将此参数设置为 0 到 100 之间的任何值。默认值为 0，这会停用此参数并使用 `scann.num_leaves_to_search` 来计算要搜索的叶数量。默认情况下，此参数处于已停用状态。 |
查询运行时 （可选） |
scann.num_leaves_to_search |
此数据库标志控制要搜索的叶或分区的绝对数量，可让您在召回率和 QPS 之间进行权衡。默认值为 num_leaves 中设置的值的 1%。值越高，召回率越高，但 QPS 越低。同样，值越低，召回率越低，但 QPS 越高。 |
查询运行时 （可选） |
scann.pre_reordering_num_neighbors |
在进行设置后，该数据库标志会指定在初始搜索确定一组候选项后，在重新排序阶段要考虑的候选近邻项的数量。请将此参数设置为一个大于您希望查询返回的近邻项数量的值。 值越高，召回率越高，但 QPS 越低。将此值设置为 0 可停用重新排序。如果在创建索引期间未启用 PCA，则默认值为 0。否则，默认值为 50 x K，其中 K 是查询中指定的 LIMIT。 |
查询运行时 （可选） |
scann.num_search_threads |
用于多线程搜索的搜索程序线程数。这可以在延迟时间敏感型应用中使用多个线程进行 ScaNN ANN 搜索，从而帮助缩短单个查询的延迟时间。如果数据库已受限于 CPU，此设置不会缩短单个查询的延迟时间。默认值为 2。 |
查询运行时 （可选） |