创建索引

本页面介绍了如何使用 AlloyDB for PostgreSQL 中的 HNSW 索引，通过存储的嵌入生成索引和查询嵌入。如需详细了解如何存储嵌入，请参阅存储向量嵌入。

准备工作

在开始创建索引之前，您必须完成以下前提条件。

创建 HNSW 索引

AlloyDB 支持使用 AlloyDB pgvector 扩展程序创建基于图的 hnsw 索引，该索引可与原生 pgvector 搭配使用。使用 hnsw 索引会导致贪婪搜索，即不断遍历图，寻找查询向量的最近邻，直到找到最佳结果。与 IVF 相比，它可以提供更快的查询性能，但构建时间更长。

如需详细了解 HNSW 算法，请参阅分层可导航小世界图。

如需创建 hnsw 索引，请运行以下查询：

CREATE INDEX INDEX_NAME ON TABLE
  USING hnsw (EMBEDDING_COLUMN DISTANCE_FUNCTION)
  WITH (m = NUMBER_OF_CONNECTIONS, ef_construction = 'CANDIDATE_LIST_SIZE');

替换以下内容：

  • INDEX_NAME：要创建的索引的名称，例如 my-hnsw-index。

  • TABLE：要向其中添加索引的表。

  • EMBEDDING_COLUMN：用于存储 vector 数据的列。

  • DISTANCE_FUNCTION：要与此索引一起使用的距离函数。请按以下方式之一操作：

    • L2 距离：vector_l2_ops

    • 内积：vector_ip_ops

    • 余弦距离：vector_cosine_ops

  • NUMBER_OF_CONNECTIONS：图中每个节点的连接数上限。您可以先设置默认值 16，然后根据数据集的大小尝试更高的值。

  • CANDIDATE_LIST_SIZE：在图构建期间维护的候选项列表的大小，该列表会不断更新节点最近邻的当前最佳候选项。将此值设置为大于 m 值两倍的任何值，例如 64。

如需查看索引编制进度，请使用 pg_stat_progress_create_index 视图：

SELECT * FROM pg_stat_progress_create_index;

phase 列会显示索引创建的当前状态，building graph 阶段会在索引创建后消失。

如需对索引进行调优以实现目标召回率和 QPS 平衡，请参阅对 hnsw 索引进行调优。

运行查询

在将嵌入存储到数据库中并为其编制索引后，您可以开始使用 pgvector 查询功能进行查询。

如需查找嵌入向量的语义最近邻，您可以运行以下示例查询，其中设置了在创建索引期间使用的相同距离函数。

  SELECT * FROM TABLE
    ORDER BY EMBEDDING_COLUMN DISTANCE_FUNCTION_QUERY ['EMBEDDING']
    LIMIT ROW_COUNT

替换以下内容：

  • TABLE：包含要与文本进行比较的嵌入的表。

  • INDEX_NAME：要使用的索引的名称，例如 my-hnsw-index。

  • EMBEDDING_COLUMN：包含存储的嵌入的列。

  • DISTANCE_FUNCTION_QUERY：要用于此查询的距离函数。根据创建索引时使用的距离函数，选择以下各项之一：

    • L2 距离：<->

    • 内积：<#>

    • 余弦距离：<=>

  • EMBEDDING：您要为其查找存储的语义最近邻的嵌入向量。

  • ROW_COUNT：要返回的行数。

    如果您只想获得单个最佳匹配项，请指定 1。

如需详细了解其他查询示例，请参阅查询。

您还可以使用 embedding() 函数将文本转换为向量。您可以将向量应用于某个 pgvector 最近邻运算符（适用于 L2 距离的 <->），以查找具有语义最相似的嵌入的数据库行。

由于 embedding() 会返回 real 数组，因此您必须明确将 embedding() 调用转换为 vector，以便将这些值与 pgvector 运算符结合使用。

后续步骤