pgvector 近似检索与索引调优（2025）

pgvector 近似检索与索引调优（2025）一、索引类型与度量索引：`HNSW` 适合在线更新、低延迟；`IVF` 适合批量构建与更高吞吐。度量：`余弦`（cosine）用于归一化向量相似；`L2`（欧氏）；`IP`（内积）。按业务语义与评估集选择。二、HNSW 参数与调度图参数：`m`（每点连接数）与 `efConstruction`（建图搜索宽度）影响建索引时间与召回率。查询参数：`efSearch` 越大召回率越高但延迟上升；以 P95/P99 目标回归调优。更新：支持在线插入与删除；控制批量变更窗口，避免频繁重排导致抖动。三、IVF 分桶与探针分桶：`lists`（分桶数量）与训练样本规模决定聚类质量。查询：`probes`（探针数）提升召回率但带来延迟成本；按数据分布调节。训练与重建：定期在增量数据上再训练，维持聚类效果。四、过滤与复合查询过滤：结合 PostgreSQL 普通列条件（标签/时间/数值）与向量相似查询，形成复合检索。排序与融合：相似度得分与业务权重融合，保障相关性与治理策略一致。五、导入与维护批量导入：批次与事务大小控制写放大与锁争用；`ANALYZE` 更新统计信息。维护：监控索引大小、碎片与查询命中；适时重建或参数微调。观测：记录 `efSearch`、`probes` 与延迟/召回率曲线，形成可回归基线。注意事项关键词（pgvector、HNSW、IVF、余弦、召回率）贯穿正文并与 Front Matter 一致。分类为“数据库/PostgreSQL/向量”，不超过三级。参数以评估集与生产观测双重验证，避免训练过拟合。