对比四类索引在召回率、速度、内存、构建成本上的差异。
Flat(暴力):全量精确扫描,召回率 100%,但 O(N·d),适合百万以下或做召回基准。
HNSW(分层图):多层跳表式近邻图,查询从顶层稀疏图贪心下降到底层精细图。优点:召回高(95%+)、低延迟、支持增量插入;缺点:内存占用大(存大量图边)、构建慢、删除支持弱。中小规模高要求场景首选。
IVF(倒排文件):先 K-means 把向量聚成 nlist 个簇,查询只扫最近的 nprobe 个簇。优点:内存友好、构建快;缺点:召回受 nprobe 影响(扫得少漏得多),簇边界数据易漏。大数据量基础款,常与 PQ 组合。
PQ(乘积量化):把向量切段、每段聚类用码本 ID 压缩,内存降 10~30 倍,有损。IVF-PQ 组合是十亿级向量标配。
取舍口诀:数据小用 Flat;要高召回低延迟用 HNSW;数据巨大先 IVF/PQ 压内存再谈召回;磁盘型场景(DiskANN)平衡成本与召回。
题目与答案就在本页;收藏、批注和错题重练在应用内