PostgreSQL용 AlloyDB에서 더 빠른 쿼리 성능과 더 나은 리콜을 달성하기 위해 다음 벡터 인덱스를 조정하는 방법을 알아보세요.
쿼리를 분석하고 벡터 색인 측정항목을 확인하여 쿼리 성능을 모니터링하고 개선할 수도 있습니다.
IVFFlat 색인 조정
애플리케이션 성능 최적화에는 lists 및 ivfflat.probes 파라미터 값을 조정하는 것이 도움이 될 수 있습니다.
| 조정 파라미터 | 설명 | 매개변수 유형 |
|---|---|---|
lists |
색인 빌드 중에 생성된 목록 수입니다. 이 값을 설정하는 시작점은 행 수가 100만 개 이하일 경우 (rows)/1000, 100만 개를 초과할 경우 sqrt(rows)입니다. |
색인 생성 |
ivfflat.probes |
검색 중에 탐색할 최근접 목록 수입니다. 이 값의 시작점은 sqrt(lists)입니다. |
쿼리 런타임 |
IVFFlat 색인을 빌드하기 전에 데이터베이스의 max_parallel_maintenance_workers 플래그가 대규모 테이블에서 색인 생성을 촉진할 수 있는 값으로 설정되어 있는지 확인하세요.
다음은 조정 파라미터가 설정된 IVFFlat 색인을 보여주는 예시입니다.
SET LOCAL ivfflat.probes = 10;
CREATE INDEX my-ivfflat-index ON my-table
USING ivfflat (vector_column cosine)
WITH (lists = 100);
쿼리 분석
다음 예시 SQL 쿼리에서와 같이 EXPLAIN ANALYZE 명령어를 사용해 쿼리 통계를 분석합니다.
EXPLAIN ANALYZE SELECT result-column
FROM my-table
ORDER BY EMBEDDING_COLUMN <=> embedding('text-embedding-005', 'What is a database?')::vector
LIMIT 1;
예시 응답의 QUERY PLAN에는 소요 시간, 스캔되거나 반환된 행 수, 사용된 리소스 등의 정보가 포함됩니다.
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
벡터 색인 측정항목 보기
벡터 색인 측정항목을 사용하여 벡터 색인의 성능을 검토하고, 개선이 필요한 영역을 파악하고, 필요한 경우 측정항목을 기반으로 색인을 조정할 수 있습니다.
모든 벡터 색인 측정항목을 보려면 pg_stat_ann_indexes 뷰를 사용하는 다음 SQL 쿼리를 실행하세요.
SELECT * FROM pg_stat_ann_indexes;
다음과 비슷한 출력이 표시됩니다.
-[ 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 }}
전체 측정항목 목록에 대한 자세한 내용은 벡터 색인 측정항목을 참조하세요.
다음 단계
- 벡터 색인 유지
- 임베딩 워크플로 예시에 대해 알아봅니다.