Raouf Chebri：pgvector：向量嵌入索引构建速度提升30倍
内容提要
pgvector 0.6.0 新增 HNSW 索引并行构建，将向量索引构建速度提升约30倍，且对召回率影响极小。Neon 的 Serverless Postgres 可弹性扩缩资源，先扩容快速建索引再缩容省成本，适合大规模 AI 向量检索应用。
延伸解读
HNSW 索引的构建瓶颈与并行突破
HNSW 索引虽查询高效，但构建时需计算大量向量距离，百万行数据集可能耗时数小时。pgvector 0.6.0 引入并行构建，通过分配更多 CPU 和 worker，将构建速度提升约 30 倍。这解决了 HNSW 的主要痛点之一，使其更适合大规模向量检索场景。
Neon 弹性扩缩容如何优化索引构建成本
HNSW 索引构建需要大量内存和计算资源。Neon 的 Serverless Postgres 分离存储与计算，允许在构建索引时临时扩容，完成后缩容以节省成本。这避免了为偶尔的索引构建而长期过度配置资源，尤其适合资源需求波动大的 AI 应用。
并行构建对召回率的影响
召回率是衡量 ANN 索引质量的关键指标。测试表明，使用并行构建对召回率影响极小，多数变化正向超过 1%。这意味着在获得 30 倍构建速度提升的同时，查询准确性几乎不受影响，保证了 RAG 等应用的响应质量。
使用并行构建的关键配置参数
要充分利用并行构建，需调整 Postgres 参数：maintenance_work_mem 应设足够大（如 8GB）以容纳索引；max_parallel_maintenance_workers 可提高并行 worker 数量（如 7 个加 leader）。注意 Neon 目前支持 pgvector 0.5.1，0.6.0 支持正在开发中。
Q&A
pgvector 0.6.0 的并行索引构建能带来多大的速度提升？
pgvector 0.6.0 通过并行索引构建，将 HNSW 索引的构建时间提升了约 30 倍。
HNSW 索引有哪些主要缺点？
HNSW 索引有两个主要缺点：1. 内存占用高，需要比 IVFFlat 等索引更多的内存；2. 构建时间长，对于百万行数据集可能需要数小时。
在 Neon 上如何优化 HNSW 索引的构建成本？
利用 Neon 的弹性伸缩能力，可以在构建索引时临时扩容（增加 CPU 和内存），构建完成后缩容以节省成本。
使用并行构建 HNSW 索引需要配置哪些关键参数？
需要配置 maintenance_work_mem（如设置为 8GB）和 max_parallel_maintenance_workers（如设置为 7，加上 leader 共 8 个 worker）。
并行构建 HNSW 索引对召回率有什么影响？
根据测试，并行构建对召回率的影响可以忽略不计，大多数变化是正向的，提升超过 1%。
什么情况下需要重建 HNSW 索引？
有两种情况需要创建 HNSW 索引：1. 希望加快查询速度并优化向量搜索；2. 当已有 HNSW 索引，但从表中删除向量时，可能导致索引搜索返回假阳性，影响 LLM 响应质量，此时需要重建索引。
