美团外卖基于GPU的向量检索系统实践
原文中文，约7300字，阅读约需18分钟。发表于：。到家搜索业务具有数据量大、过滤比高等特点，为了在保证高召回率的同时进一步提高检索性能，美团到家搜索技术团队与基础研发机器学习平台团队基于GPU实现了支持向量+标量混合检索的通用检索系统，召回率与检索性能均有较大提升。本文将介绍我们在GPU向量检索系统建设中遇到的挑战及解决思路，希望对大家有所帮助或启发。
随着大数据和人工智能时代的到来，向量检索的应用场景越来越广泛。在信息检索领域，向量检索可以用于检索系统、推荐系统、问答系统等。为了解决向量检索的耗时和计算资源消耗巨大的问题，业界提出了ANN（Approximate Nearest Neighbor）近邻检索方案。美团外卖利用Elasticsearch+FAISS搭建了向量检索系统，实现了10亿级别+高维向量集的标量+向量混合检索的能力。为了进一步减少检索时间，他们探索基于GPU的向量检索，并实现了一套通用的检索系统。在美团外卖业务中，向量检索已广泛应用于各个场景。
