《大规模分布式计算深入解析·向量数据库与 AI 检索内核》 · 目录与学习路径(45 篇)
从最近邻问题域与相似度度量进入 HNSW 多层图、IVF 与 PQ/SQ 量化、磁盘索引与 DiskANN、段管理与查询执行、过滤与混合检索、分片副本与一致性、容量弹性与评估调优。区分模型算术、固定版本原生结果与未测工程能力。
category
从最近邻问题域与相似度度量进入 HNSW 多层图、IVF 与 PQ/SQ 量化、磁盘索引与 DiskANN、段管理与查询执行、过滤与混合检索、分片副本与一致性、容量弹性与评估调优。区分模型算术、固定版本原生结果与未测工程能力。
从最近邻问题域与相似度度量进入 HNSW 多层图、IVF 与 PQ/SQ 量化、磁盘索引与 DiskANN、段管理与查询执行、过滤与混合检索、分片副本与一致性、容量弹性与评估调优。区分模型算术、固定版本原生结果与未测工程能力。
本卷提供实际教学机制与有限跨模块查询夹具;按ID、删除/过滤、图搜索、分数归并和精确GT串联,不把runner全绿当商业引擎。
Milvus 2.5区分Proxy查询数据面、QueryCoord控制面、DataNode持久化和IndexNode建索引;Growing与历史段共同服务查询。
十三卷通过状态所有权、数据时间边界、候选执行与持久化合同衔接;教学模块串联不等于跨产品统一集群。
mmap复用系统页缓存;逻辑读、缓存未命中、minor/major fault与设备请求分开,重启进程不构成冷缓存实验。
公平基准固定数据、过滤和质量目标,分别报告构建/加载/冷热/并发;不要求不同算法超参数值相等,也不把两次小库计时外推大库。
LRU命中率由访问顺序决定,不等于容量除热点唯一项;相同3键300次访问、容量2可得0%或99%。
M、efConstruction、efSearch与nlist/nprobe控制不同资源;删除ef/N伪召回和N×M×ef固定成本公式,以真值与计数器验收。
RAG检索是带权限、版本与时间边界的数据流程;多模态共享空间需要兼容训练,近邻召回与生成正确性分别验证。
alias原子更新只改变后续解析,不能代替增量追平、在途请求处理或无损回滚;模型验证停写屏障和真实行版本。
Recall@K必须对精确GT计算,重复ID和空GT有明确政策;P99按升序nearest-rank取值,客户端计时不冒充引擎容量。
Schema变更成本按产品版本和物理策略定义;动态字段可能建索引,新增字段不必全行回填,metric通常属于索引/查询配置。
pgvector复用Postgres事务、WAL与索引框架;嵌入式库表示部署边界,不能统一概括为全内存或容量受RAM硬限制。
手工分区与partition key自动分区不同;分区、vchannel分片和QueryNode放置分别建模,过滤可触发分区裁剪。
PQ编码载荷与完整索引存储分开;ADC每个候选查m次而非整查询仅m次,原向量精排与CPU/IO收益需实测。
Milvus Growing数据可在显式flush前被查询;写入确认、消费进度、查询时间屏障与持久段形成分别验收。
Qdrant可分别配置向量与HNSW图的内存/磁盘放置;Weaviate用对象、倒排及向量索引服务过滤和混合检索,比较需固定版本。
全局TopK需要每片实际有序ID与分数,多路归并不能截掉后片;局部预算、去重和路由遗漏分别影响召回。
副本数、查询扇出、持久副本和多数派可用性分别定义;900QPS在4片3副本下点路由为75、全扇出为300每副本。