Ajustar el rendimiento de las consultas vectoriales en AlloyDB para PostgreSQL

Consulta cómo ajustar los siguientes índices vectoriales para conseguir un rendimiento de las consultas más rápido y una mejor recuperación en AlloyDB para PostgreSQL:

También puedes analizar tus consultas y ver las métricas de los índices vectoriales para monitorizar y mejorar el rendimiento de las consultas.

Ajustar un índice de IVF

Ajustar los valores que definas para los parámetros lists, ivf.probes y quantizer puede ayudarte a optimizar el rendimiento de tu aplicación:

Parámetro de ajuste Descripción Tipo de parámetro
lists Número de listas creadas durante la creación del índice. El punto de partida para definir este valor es (rows)/1000 para un máximo de un millón de filas y sqrt(rows) para más de un millón de filas. Creación de índices
quantizer El tipo de cuantificador que quieras usar para el árbol de K-means. El valor predeterminado es SQ8 para mejorar el rendimiento de las consultas. Ponlo a FLAT para recordar mejor. Creación de índices
ivf.probes el número de listas más cercanas que se pueden explorar durante la búsqueda. El punto de partida de este valor es
sqrt(lists).		 Tiempo de ejecución de la consulta

En el siguiente ejemplo se muestra un índice IVF con los parámetros de ajuste definidos:

SET LOCAL ivf.probes = 10;

CREATE INDEX my-ivf-index ON my-table
  USING ivf (vector_column cosine)
  WITH (lists = 100, quantizer = 'SQ8');

Analizar las consultas

Usa el comando EXPLAIN ANALYZE para analizar las estadísticas de tus consultas, tal como se muestra en la siguiente consulta SQL de ejemplo.

  EXPLAIN ANALYZE SELECT result-column
  FROM my-table
  ORDER BY EMBEDDING_COLUMN <=> embedding('text-embedding-005', 'What is a database?')::vector
  LIMIT 1;

La respuesta de ejemplo QUERY PLAN incluye información como el tiempo empleado, el número de filas analizadas o devueltas y los recursos utilizados.

Limit  (cost=0.42..15.27 rows=1 width=32) (actual time=0.106..0.132 rows=1 loops=1)
  ->  Index Scan using my-scann-index on my-table  (cost=0.42..858027.93 rows=100000 width=32) (actual time=0.105..0.129 rows=1 loops=1)
        Order By: (embedding_column <=> embedding('text-embedding-005', 'What is a database?')::vector(768))
        Limit value: 1
Planning Time: 0.354 ms
Execution Time: 0.141 ms

Ver métricas de índice vectorial

Puede usar las métricas de índice vectorial para revisar el rendimiento de su índice vectorial, identificar áreas de mejora y ajustar su índice en función de las métricas, si es necesario.

Para ver todas las métricas del índice vectorial, ejecuta la siguiente consulta SQL, que usa la vista pg_stat_ann_indexes:

SELECT * FROM pg_stat_ann_indexes;

Verá un resultado similar al siguiente:

-[ RECORD 1 ]----------+---------------------------------------------------------------------------
relid                  | 271236
indexrelid             | 271242
schemaname             | public
relname                | t1
indexrelname           | t1_ix1
indextype              | scann
indexconfig            | {num_leaves=100,quantizer=SQ8}
indexsize              | 832 kB
indexscan              | 0
insertcount            | 250
deletecount            | 0
updatecount            | 0
partitioncount         | 100
distribution           | {"average": 3.54, "maximum": 37, "minimum": 0, "outliers": [37, 12, 11, 10, 10, 9, 9, 9, 9, 9]}
distributionpercentile |{"10": { "num_vectors": 0, "num_partitions": 0 }, "25": { "num_vectors": 0, "num_partitions": 30 }, "50": { "num_vectors": 3, "num_partitions": 30 }, "75": { "num_vectors": 5, "num_partitions": 19 }, "90": { "num_vectors": 7, "num_partitions": 11 }, "95": { "num_vectors": 9, "num_partitions": 5 }, "99": { "num_vectors": 12, "num_partitions": 4 }, "100": { "num_vectors": 37, "num_partitions": 1 }}

Para obtener más información sobre la lista completa de métricas, consulta el artículo Métricas del índice de Vector.

Siguientes pasos