在 AlloyDB for PostgreSQL 中調整 ScaNN 索引的最佳做法

請按照最佳做法調整 ScaNN 索引，在搜尋召回率和每秒查詢次數 (QPS) 之間取得平衡。建議的參數和值會因索引層級數量而異。

如要瞭解如何建立 ScaNN 索引，請參閱建立 ScaNN 索引。

限制

開始調整 ScaNN 索引前，請先瞭解下列限制：

• num_leaves 上限為 3,000 萬。

事前準備

如要建立四層 ScaNN 索引，必須先為 AlloyDB 執行個體啟用預覽功能。如要啟用預覽功能，請選擇下列其中一種方法：

• 啟用 scann.enable_preview_features 資料庫旗標。

  如要進一步瞭解如何設定資料庫旗標，請參閱「設定資料庫旗標」。

• 將工作階段層級的 scann.max_allowed_num_levels 資料庫旗標設為 3。

  SET scann.max_allowed_num_levels = 3;
  

兩層樹狀結構索引

如要套用建議，協助您找出資料集的最佳 num_leaves 和 num_leaves_to_search 值，請按照下列建議步驟操作：

1. 如要建立針對下列情況最佳化的 ScaNN 索引，請將 num_leaves 參數設為下列值，其中 rows 是索引資料表中的資料列數：
   • 兼顧索引建構時間和品質：將 num_leaves 設為 sqrt(rows)。
   • 品質：將 num_leaves 設為 rows/100。
2. 執行測試查詢，並提高 scann.num_of_leaves_to_search 的值，直到達到目標召回率範圍 (例如 95%) 為止。如要進一步瞭解如何分析查詢，請參閱「分析查詢」。
3. 請記下 scann.num_leaves_to_search 和 num_leaves 之間的比例，後續步驟會用到。這個比率會提供資料集的近似值，協助您達成目標召回率。
   
   如果您使用高維度向量 (500 個維度以上)，且想提高召回率，請嘗試調整 scann.pre_reordering_num_neighbors 的值。預設值會設為 50 * K 值，其中 K 是您在查詢中設定的限制。
4. 如果查詢達到目標召回率後，QPS 仍過低，請按照下列步驟操作：
   1. 重新建立索引，並根據下列指引增加 num_leaves 和 scann.num_leaves_to_search 的值：
      • 將 num_leaves 設為大於資料列數平方根的因數。舉例來說，如果索引的 num_leaves 設為列數的平方根，請嘗試將其設為平方根的兩倍。如果值已是兩倍，請嘗試將值設為平方根的三倍。
      • 視需要增加 scann.num_leaves_to_search，以維持與 num_leaves 的比例 (您在步驟 3 中記下)。
      • 將 num_leaves 設為小於或等於資料列數除以 100 的值。
   2. 再次執行測試查詢。 執行測試查詢時，請嘗試降低 scann.num_leaves_to_search，找出可提高每秒查詢次數，同時維持高召回率的值。嘗試使用不同的 scann.num_leaves_to_search 值，不必重建索引。
5. 重複步驟 4，直到 QPS 和召回範圍都達到可接受的值。

三層樹狀結構索引

除了兩層樹狀結構 ScaNN 索引的建議外，請參考下列指引。

如要套用建議，找出 num_leaves 和 max_num_levels 索引參數的最佳值，請按照下列步驟操作：

1. 根據成效目標，使用下列 num_leaves 和 max_num_levels 組合建立 ScaNN 索引：

   • 平衡索引建構時間和品質：將 max_num_levels 設為 2，並將 num_leaves 設為 power(rows, ⅔)。
   • 最佳化品質：將 max_num_levels 設為 2，並將 num_leaves 設為 rows/100。

2. 執行測試查詢。如要進一步瞭解如何分析查詢，請參閱「分析查詢」。

3. 請記下 scann.num_leaves_to_search 和 num_leaves 之間的比例，後續步驟會用到。這項比率會提供資料集的近似值，有助於您達成目標召回率。

如果您處理的是高維度向量 (500 個維度以上)，且想提高召回率，請嘗試調整 scann.pre_reordering_num_neighbors 的值。預設值會設為 50 * K 值，其中 K 是您在查詢中設定的限制。

1. 如果查詢達到目標召回率後，QPS 仍過低，請按照下列步驟操作：

   • 重新建立索引，並根據下列指引增加 num_leaves 和 scann.num_leaves_to_search 的值：
   • 將 num_leaves 設為 power(rows, ⅔) 的較大因數。舉例來說，如果索引的 num_leaves 設為 power(rows, ⅔)，請嘗試將其設為 power(rows, ⅔) 的兩倍。如果值已是兩倍，請嘗試將值設為 power(rows, ⅔) 的三倍。
   • 視需要增加 scann.num_leaves_to_search，以維持與 num_leaves 的比例 (您在步驟 3 中記下)。
   • 將 num_leaves 設為小於或等於 rows/100 的值。
   • 再次執行測試查詢。執行測試查詢時，請嘗試降低 scann.num_leaves_to_search，找出可提高每秒查詢次數，同時維持高召回率的值。嘗試使用不同的 scann.num_leaves_to_search 值，不必重建索引。

2. 重複步驟 4，直到 QPS 和召回範圍都達到可接受的值。

四層樹狀結構索引

除了三層樹狀結構索引的建議，請使用下列指引找出 num_leaves 和 max_num_levels 的最佳值：

1. 根據成效目標，使用下列 num_leaves 和 max_num_levels 組合建立 ScaNN 索引：

   • 兼顧索引建構時間和品質：將 max_num_levels 設為 3，並將 num_leaves 設為 power(ROWS, 3/4)。

   • 最佳化品質：將 max_num_levels 設為 3，並將 num_leaves 設為 ROWS/100。

2. 執行測試查詢。如要進一步瞭解如何分析查詢，請參閱「分析查詢」。

3. 請注意「scann.num_leaves_to_search」和「num_leaves」之間的比例。您可以在後續步驟中使用這個比率，達成目標召回率。

   如果您處理的是高維度向量 (500 個維度以上)，且想提高召回率，請嘗試調整 scann.pre_reordering_num_neighbors 的值。

4. 如果查詢達到目標召回率後，每秒查詢次數過低，請按照下列指引重新建立索引，並提高 num_leaves 和 scann.num_leaves_to_search 的值：

   1. 將 num_leaves 設為更大的 power(ROWS, 3/4) 係數。舉例來說，如果索引的 num_leaves 設為 power(ROWS, 3/4)，請嘗試將其設為兩倍。如果值已設為雙倍，請嘗試設為三倍。

   2. 視需要增加 scann.num_leaves_to_search，以維持與步驟三中記錄的 num_leaves 比例。

   3. 將 num_leaves 設為小於或等於 ROWS/100 的值。

   4. 再次執行測試查詢。執行測試查詢時，請嘗試減少 scann.num_leaves_to_search。找出可提高 QPS，同時維持高召回率的值。嘗試使用不同的 scann.num_leaves_to_search 值，不必重建索引。

5. 重複步驟四，直到召回範圍和 QPS 都達到可接受的值為止。

提升篩選搜尋的召回率

執行包含篩選條件的 K 近鄰 (KNN) 向量搜尋時，查詢傳回的結果可能少於 LIMIT 子句中要求的數量。這可能會導致所謂的「召回率不足」，如果使用高度選擇性的篩選器，就更有可能發生這種情況。這是因為 ScaNN 搜尋的初始分區或葉節點，不含足夠的向量來滿足篩選條件。

為解決這個問題，AlloyDB 提供一項功能，可讓搜尋作業動態擴展至初始葉節點集以外的範圍，以找出足夠的相符結果。

串流的運作方式

如要啟用串流功能，請將 scann.satisfy_limit 參數設為 relaxed_order。啟用後，向量掃描會繼續搜尋其他葉節點分割區，直到找到足夠的結果來滿足查詢的 LIMIT，進而提升召回率。

如要避免搜尋時間過長，並控制對效能的影響，可以使用 scann.max_pct_leaves_to_search 參數。這項設定會為查詢可造訪的葉節點總百分比設定上限，做為安全措施。預設值為 15%。

使用串流的時機

在下列情況下，建議使用串流功能：

• 您在向量搜尋中使用篩選器。
• 您發現查詢傳回的結果數量比預期少，但 LIMIT 子句應該會傳回更多結果。

啟用 scann.satisfy_limit 後，篩選搜尋結果的召回率會有所提升。建議您也設定 scann.max_pct_leaves_to_search，在召回率和查詢效能之間取得平衡。

針對經過篩選的查詢最佳化效能

如要讓篩選查詢發揮最佳效能，建議您在篩選的資料欄上建立 B 樹狀結構索引。這有助於查詢規劃工具選取最有效率的篩選策略，大幅縮短查詢執行時間。

索引維護作業

如果表格經常更新或插入資料，建議您定期重新為現有 ScaNN 索引建立索引，以提高召回率準確率。您可以監控索引指標，查看索引建構後向量分布或向量突變的變化，然後據此重新建立索引。如要進一步瞭解指標，請參閱「查看向量索引指標」。

後續步驟

• 開始使用 AlloyDB AI 的向量嵌入。