电子邮箱注册网站申请好评的广告牌制作公司
张小明 2026/1/13 15:23:00
电子邮箱注册网站申请,好评的广告牌制作公司,企业网站建设 法规,wordpress博客缩略图作者#xff1a; MrSylar 原文来源#xff1a; https://tidb.net/blog/41420212 Preface TiDB v8.4(DMR) 版本开始提供向量搜索的实验特性#xff0c;其向量能力基于 tiflash 构建。向量数据类型 vector 向量最大支持 16383 维#xff0c; 向量搜索索引类型支持 HNSW (…作者 MrSylar 原文来源 https://tidb.net/blog/41420212PrefaceTiDB v8.4(DMR) 版本开始提供向量搜索的实验特性其向量能力基于 tiflash 构建。向量数据类型 vector 向量最大支持 16383 维 向量搜索索引类型支持 HNSW (Hierarchical Navigable Small World) 。本文使用 TiDB v8.5.2 版本。使用基础创建向量索引TiDB支持两种方式创建向量索引1随建表对向量类型 vector 列创建 HNSW 索引sql CREATE TABLE foo ( id INT PRIMARY KEY, embedding VECTOR(5), VECTOR INDEX idx_embedding ((VEC_COSINE_DISTANCE(embedding))) );2建表后对向量类型 vector 列创建 HNSW 索引sql CREATE VECTOR INDEX idx_embedding ON foo ((VEC_COSINE_DISTANCE(embedding))); ALTER TABLE foo ADD VECTOR INDEX idx_embedding ((VEC_COSINE_DISTANCE(embedding))); -- 你也可以显式指定 USING HNSW 使用 HNSW 构建向量搜索索引 CREATE VECTOR INDEX idx_embedding ON foo ((VEC_COSINE_DISTANCE(embedding))) USING HNSW; ALTER TABLE foo ADD VECTOR INDEX idx_embedding ((VEC_COSINE_DISTANCE(embedding))) USING HNSW; -- 查看索引构建进度 SELECT * FROM INFORMATION_SCHEMA.TIFLASH_INDEXES; 通过字段 ROWS_STABLE_INDEXED 和 ROWS_STABLE_NOT_INDEXED 列查看索引构建进度当 ROWS_STABLE_NOT_INDEXED 变为 0 时表示索引构建完成使用向量索引TiDB 支持 SQL 和 Python SDK 两种方式使用向量搜索功能其中 SQL 方式通过 ORDER BY ... LIMIT 子句来使用向量搜索索引示例所示SQLSELECT *FROM foo ORDER BY VEC_COSINE_DISTANCE(embedding, [1, 2, 3, 4, 5]) LIMIT 10性能测试VectorDBBench 是一款对向量数据库进行基准性能和容量测试的工具[VectorDBBbench 项目地址]( https://github.com/zilliztech/VectorDBBench VectorDBBbench github)测试结果的指标中主要关注包括 qps、recall召回率、响应时间等。本文采用 5 台服务器做了初步性能测试数据集 dataset 采用 biaosq_10m,向量维度1024维服务器角色分配如下| 服务器 | 角色 | | ----------- | ----------- | | Server1 | tidb、tikv、pd | | Server2 | tidb、tikv、pd | | Server3 | tidb、tikv、pd | | Server4 | tiflash | | Server5 | tiflash | | Server6 | vectordbbench、haproxy |性能测试结果仅供参考未尝试任何优化如下|TiFlash 实例数量| QPS | latency(p99) |Recall | |-----------| ----------- | ----------- |------- | |1 | 108 | 0.0694 |0.9256| |2 | 45 | 0.1514 | 0.9558 |\业界产品性能可以参考 [VectorDB leader board]( https://zilliz.com/vdbbench-leaderboard?datasetvectorSearch )展望本次测试中向量的功能和性能已经基本满足业务使用。当然对比同类产品也客观存在一些不足例如 ivf 向量索引、混合搜索、向量内存管理等还不支持。通过线下交流了解到TiDB 团队正紧锣密鼓深耕向量存储、检索效率及生态适配等核心方向很快将推出集成更多实用功能、性能进一步优化的新版本值得期待。