- 1、本文档共42页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
解析云原生数仓ByteHouse
如何构建高性能向量检索技术
QCon2023全球软件开发大会上海站(公开)PPT
火山引擎ByteHouse团队/田昕晖
向量检索应用场景
QCon2023全球软件开发大会上海站(公开)PPT
https://www.elastic.co/cn/what-is/vector-search
语义相似度搜索
QCon2023全球软件开发大会上海站(公开)PPT
/docs/what-is-vector-search
https:///how-to-generate-word-embedding-using-bert/
LLM与向量检索
QCon2023全球软件开发大会上海站(公开)PPT
LLM与向量检索
QCon2023全球软件开发大会上海站(公开)PPT
Example
Q:IntroduceByConity
A:Imsorryforanyconfusion,
butthetermByConitydoesnotappearintheprovidedcontext
QCon2023全球软件开发大会上海站(公开)PPT
Q:IntroduceByConity
A:ByConityisasystemwithcriticaladvantagesincludingstorage-computing
separationarchitectureforread-writeseparationandelasticscaling.Italso
supportsmulti-tenantresourceisolation.
向量检索
•KNN(KNearestNeighbors):
•给定一个D维向量,从N个D维向量中查
找最相似k个结果
QCon2023全球软件开发大会上海站(公开)PPT
•O(ND)
向量检索
•ANN(ApproximateNearestNeighbors)
•查找K个近似最优结果
QCon2023全球软件开发大会上海站(公开)PPT
•通常需要构建额外的存储结构
•Billionlevel查询:10ms以内
•Tradeoff:性能、内存消耗、准确度
向量检索算法(索引)
•Table-based
•LSH
•Tree-based
•KD-Tree,Annoy
QCon2023全球软件开发大会上海站(公开)PPT
•Cluster-based
•IVF,SCANN,SPANN
•Graph-based
•HNSW,NSG,DiskANN
YusukeMatsui.Billion-scaleApproximateNearestNeighborSearch,ACMMultimedia2020
Cluster-based
•IVFFlat
•优点:
•构建速度较快
•training+add
QCon2023全球软件开发大会上海站(公开)PPT
•内存额外占用较少
•缺点:
•查询速度受维度信息影响较大
•高精度查询计算量较大
文档评论(0)