Milvus性能权衡

索引构建优化

构建时间 vs QPS vs 召回率

• 基于图（如HNSW）通常能够提供最高的QPS和低延迟，尤其适合top-K较小（<= 2000）或对高召回率有需求的场景
• IVF系列（IVF-PQ/SQ8）在top-K较大（>=2000）时更高效，能够通过聚类分桶减少检索范围
• 在相同压缩率下，PQ比SQ8召回率更高，但SQ8的查询速度略胜一筹
• 使用DiskANN（磁盘+PQ量化+Vamana图）可处理远超内存容量的海量数据，但会受制于磁盘IOPS

容量于内存映射

• 如果所有向量的数据都能装进内存，可以优先选择内存索引(HNSW、IVF+精炼)并配合mmap优化大文件访问
• 如果只能部分数据进内存，DiskANN是更稳定的低延迟方案；IVFPQ/SQ8 + mmap则在成本和精度间提供折中。

过滤率 与 召回策略

• 过滤率<=85%：图索引效果更佳
• 85% <=过滤率<=95%:IVF系列更合适
• 过滤率>=98%：暴力搜索(FLAT)可保证较高召回率

Top-K大小影响

• 小Top-K、高召回：基于图
• 大Top-K、占数据集>=1%：IVF系列
• 极高召回率(>99%)：FLAT+GPU重算