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