格雷格·理查森：pgvector v0.5.0：使用HNSW索引实现更快的语义搜索

Supabase Vector通过添加HNSW索引类型来提高速度。

HNSW是一种用于高维空间的近似最近邻搜索算法，结合了分层和可导航小世界的概念。

与IVF索引相比，HNSW具有更好的性能和准确性，并且可以在表创建后立即构建。

IVFFlat索引在v0.5.0中也有改进，包括并行化和精度提升。

HNSW算法分为两个部分：分层和可导航小世界。

分层部分基于跳表的概念，提供O(log n)的平均复杂度。

可导航小世界包含节点之间的长距离连接，支持快速导航。

HNSW在1536维度下的性能比IVFFlat高出三倍，并且准确性更好。

HNSW的性能随着数据库大小的增加而可预测地提升。

HNSW索引可以在表创建后立即构建，而IVF索引需要在数据充足时构建。

IVFFlat索引在v0.5.0中通过并行化和精度提升显著加快了构建时间。

在大多数情况下，HNSW提供比IVFFlat更好的性能，但构建速度较慢且内存占用更高。

新Supabase数据库将自动包含pgvector v0.5.0和HNSW索引。