AlloyDB for PostgreSQL 中的 ScaNN 索引调优的最佳实践

ScaNN 索引的建议参数因您选择构建二级树索引还是三级树索引而异。本页面提供了有关如何对 AlloyDB for PostgreSQL 索引参数进行调优以在召回率和 QPS 之间取得最佳平衡的建议。

ScaNN 索引创建

如需了解详情，请参阅 ScaNN 索引参考文档。

二级树索引

如需应用建议以帮助您为数据集找到 num_leaves 和 num_leaves_to_search 的最佳值，请按照以下建议的步骤操作：

1. 如需创建针对以下情况优化的 ScaNN 索引，请将 num_leaves 参数设置为以下的相应值，其中 rows 是已编入索引的表中的行数：
   • 实现平衡的索引构建时间和质量：将 num_leaves 设置为 sqrt(rows)。
   • 高质量：将 num_leaves 设置为 rows/100。
2. 运行测试查询，并增加 scann.num_of_leaves_to_search 的值，直到达到目标召回率范围（例如 95%）为止。如需详细了解如何分析查询，请参阅分析查询。
3. 记下 scann.num_leaves_to_search 与 num_leaves 之间的比率，此比率将在后续步骤中使用。此比率可提供关于数据集的近似值，有助于您实现目标召回率。
   
   如果您使用的是高维向量（500 个维度或更高），并且想要提高召回率，请尝试对 scann.pre_reordering_num_neighbors 的值进行调优。默认值设置为值 500 * K，其中 K 是您在查询中设置的限制。
4. 如果您的查询达到目标召回率后 QPS 过低，请按照以下步骤操作：
   1. 重新创建索引，并根据以下指导增加 num_leaves 和 scann.num_leaves_to_search 的值：
      • 将 num_leaves 设置为行数平方根的更大倍数。例如，如果索引的 num_leaves 设置为行数的平方根，请尝试将其设置为平方根的两倍。如果该值已是两倍，请尝试将其设置为平方根的三倍。
      • 根据需要增加 scann.num_leaves_to_search，以使其与 num_leaves 保持您在第 3 步中记录的比率。
      • 将 num_leaves 设置为小于或等于行数除以 100 的值。
   2. 再次运行测试查询。在运行测试查询时，尝试减少 scann.num_leaves_to_search，找到一个可以增加 QPS，同时保持较高召回率的值。在不重建索引的情况下尝试使用不同的 scann.num_leaves_to_search 值。
5. 重复第 4 步，直到 QPS 和召回率范围都达到可接受的值。

三级树索引

除了针对二级树 ScaNN 索引的建议之外，还请遵循以下指导。

如需应用建议以查找 num_leaves 和 max_num_levels 索引参数的最佳值，请按照以下步骤操作：

1. 根据您的性能目标，使用以下 num_leaves 和 max_num_levels 组合创建 ScaNN 索引：

   • 平衡索引构建时间和质量：将 max_num_levels 设置为 2，将 num_leaves 设置为 power(rows, ⅔)。
   • 优化质量：将 max_num_levels 设置为 2，将 num_leaves 设置为 rows/100。

2. 运行测试查询。如需详细了解如何分析查询，请参阅分析查询。

3. 记下 scann.num_leaves_to_search 与 num_leaves 之间的比率，此比率将在后续步骤中使用。此比率可提供关于数据集的近似值，有助于您实现目标召回率。

如果您使用的是高维向量（500 个维度或更高），并且想要提高召回率，请尝试对 scann.pre_reordering_num_neighbors 的值进行调优。默认值设置为值 500 * K，其中 K 是您在查询中设置的限制。

1. 如果您的查询达到目标召回率后 QPS 过低，请按照以下步骤操作：

   • 重新创建索引，并根据以下指导增加 num_leaves 和 scann.num_leaves_to_search 的值：
   • 将 num_leaves 设置为 power(rows, ⅔) 的更大倍数。例如，如果索引的 num_leaves 设置为 power(rows, ⅔)，请尝试将其设置为 power(rows, ⅔) 的两倍。如果该值已经是两倍，请尝试将其设置为 power(rows, ⅔) 的三倍。
   • 根据需要增加 scann.num_leaves_to_search，以使其与 num_leaves 保持您在第 3 步中记录的比率。
   • 将 num_leaves 设置为小于或等于 rows/100 的值。
   • 再次运行测试查询。在运行测试查询时，尝试减少 scann.num_leaves_to_search，找到一个可以增加 QPS，同时保持较高召回率的值。在不重建索引的情况下尝试使用不同的 scann.num_leaves_to_search 值。

2. 重复第 4 步，直到 QPS 和召回率范围都达到可接受的值。

索引维护

如果您的表容易频繁更新或插入，我们建议您定期重新编制现有的 ScaNN 索引，以提高召回率准确率。您可以监控索引指标，以查看自构建索引以来向量分布或向量变更的变化，然后相应地重新编制索引。如需详细了解指标，请参阅查看向量索引指标。

后续步骤

• 开始使用 AlloyDB AI 处理向量嵌入。