HNSW 向量索引

本页介绍 MatrixOne Python SDK 中 HNSW 索引的创建顺序、查询方式和参数。目标版本的开关、索引参数及数据更新限制可能不同,执行前请核对对应版本文档。

创建顺序与要求

英文教程要求 HNSW 表使用 BIGINT 主键,并先插入数据,再创建索引。以下是索引调用片段;Document 模型应包含 BIGINT 主键和 vecf32 向量列,client 应先连接 MatrixOne:

client.create_table(Document)
client.batch_insert(Document, documents)
client.vector_ops.enable_hnsw()
client.vector_ops.create_hnsw(
    Document,
    "idx_embedding_hnsw",
    "embedding",
    m=16,
    ef_construction=200,
    ef_search=50,
    op_type="vector_l2_ops",
)

教程中的示例使用 vecf32 向量列。创建后可按距离排序并限制结果数:

results = client.query(
    Document.id,
    Document.title,
    Document.embedding.l2_distance(query_vector).label("distance"),
).order_by("distance").limit(10).all()

数据变更限制

英文教程记录了其编写时的限制:创建 HNSW 索引后,不能直接对索引涉及的向量数据执行插入、更新或删除。需要修改数据时,先删除索引、修改数据,再重建索引;若数据需要频繁更新,可评估 IVF 等方案。

该限制是版本相关信息。请以正在使用的 MatrixOne 版本和 HNSW 索引参考为准,不要把旧版教程中的限制直接套用到其他版本。

参数取舍

参数

作用

增大时的常见取舍

m

每个图节点的连接数

通常提高召回,但增加建索引时间和内存占用

ef_construction

建图时的候选范围

通常提高索引质量,但建索引更慢

ef_search

查询时的候选范围

通常提高召回,但查询更慢

英文示例从 m=16、ef_construction=200、ef_search=50 开始。请用实际数据测试速度和召回,再调整参数;示例值不是所有工作负载的最优值。

相关文档