《大规模分布式计算深入解析》14.1 向量 kNN 与 HNSW

按召回目标比较分片近似检索和全局归并。

按召回目标比较分片近似检索和全局归并。

实现机制

HNSW 用分层图导航,搜索预算、过滤方法和向量分布决定速度与召回。不同插件和引擎的 k、ef_search 和候选窗口语义需按版本解读。

本地候选联合之后再全局排序。比较精确 topK 和近似结果,按 recall@K、延迟和吞吐共同调参。

向量 kNN 与 HNSW的执行路径

flowchart TD
    N0["查询分析、向量化及候选过滤"]
    N1["倒排和分片 ANN 收集候选"]
    N0 --> N1
    N2["全局归并或分数融合"]
    N1 --> N2
    N3["可选重排"]
    N2 --> N3
    N4["获取最终文档"]
    N3 --> N4
    N1 -- "过滤后候选不足" --> F0["调整候选预算或按规模使用精确扫描"]

验证

给定固定种子和同一组过滤条件,对比 exact 和 ANN 的 Recall@K。

下载实验包 · 本卷目录 · 系列导读

一手资料

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图