Greg Richardson：pgvector v0.5.0：使用HNSW索引实现更快的语义搜索
原文英文，约1500词，阅读约需6分钟。
📝
内容提要
Supabase Vector将使用pgvector v0.5.0，添加了HNSW索引类型，用于近似最近邻搜索。HNSW结合了分层和可导航小世界的概念，通过跳表和多维距离度量实现搜索。HNSW性能优于IVFFlat，随数据库大小扩展。建议减少嵌入式维度。
🎯
关键要点
-
Supabase Vector将使用pgvector v0.5.0，新增HNSW索引类型。
-
HNSW是一种用于近似最近邻搜索的算法，适用于高维空间。
-
HNSW结合了分层和可导航小世界的概念，通过跳表和多维距离度量实现搜索。
-
HNSW的性能优于IVFFlat，随着数据库大小扩展，性能提升显著。
-
建议减少嵌入式维度以提高性能。
-
HNSW的分层结构基于跳表，提供O(log n)的平均复杂度。
-
可导航小世界特性使得几乎每个节点都能在少数跳跃中到达。
-
HNSW在1536维度下的性能测试显示其查询每秒（QPS）是IVFFlat的三倍。
-
HNSW索引的构建参数可以调整以平衡查询速度和精度。
-
HNSW索引可以在表创建后立即构建，数据添加后索引会自动填充。
-
IVFFlat索引在v0.5.0中也有改进，构建时间显著缩短。
-
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。
🏷️
