本頁面說明如何使用儲存的嵌入項目生成索引，以及如何透過 AlloyDB Omni 使用 IVF 索引查詢嵌入項目。如要進一步瞭解如何儲存嵌入，請參閱「儲存向量嵌入」。
事前準備
開始建立索引前，請先完成下列必要條件。
已安裝
vector擴充功能0.5.0以上版本，該擴充功能是以pgvector為基礎，由 Google 針對 AlloyDB Omni 擴充。CREATE EXTENSION IF NOT EXISTS vector;
建立 IVF 索引
Stock pgvector 支援透過索引進行近似最鄰近搜尋。AlloyDB Omni 則新增純量量化功能，可在建立索引時指定。啟用純量量化功能後，可大幅加快維度較大的向量查詢速度，並可儲存最多 8,000 個維度的向量。
如要在以 pgvector 為基礎的索引上啟用純量量化，請指定 IVF 做為索引方法，並指定 SQ8 做為量化器：
CREATE INDEX INDEX_NAME ON TABLE
USING ivf (EMBEDDING_COLUMN DISTANCE_FUNCTION)
WITH (lists = LIST_COUNT, quantizer = 'QUANTIZER');
更改下列內容：
INDEX_NAME：要建立的索引名稱，例如my-ivf-index。索引名稱會在資料庫中共用。請確保資料庫中每個資料表的索引名稱皆不重複。TABLE：要新增索引的資料表。EMBEDDING_COLUMN：儲存vector資料的資料欄。DISTANCE_FUNCTION：要與這個索引搭配使用的距離函式。選擇下列其中一個選項：L2 距離：
vector_l2_ops內積：
vector_ip_ops餘弦距離：
vector_cosine_ops
LIST_COUNT：要與這個索引搭配使用的清單數量。如要進一步瞭解如何決定這個值，請參閱「調整 IVF 索引」。QUANTIZER：要使用的量化工具類型。設為下列任一值：
SQ8：建議使用。查詢回應速度較快，但會導致部分檢索率損失，這不會影響實際工作環境情境。FLAT：查詢回應速度較慢，記憶體用量較高，但可達到可忽略的召回率損失。
如要在使用
real[]資料類型 (而非vector) 的嵌入資料欄上建立這個索引，請將資料欄轉換為vector資料類型：
CREATE INDEX INDEX_NAME ON TABLE
USING ivf (CAST(EMBEDDING_COLUMN AS vector(DIMENSIONS)) DISTANCE_FUNCTION)
WITH (lists = LIST_COUNT, quantizer = 'SQ8');
將 DIMENSIONS 替換為嵌入資料欄的維度寬度。如要進一步瞭解如何找出維度，請參閱「向量函式」中的 vector_dims 函式。
如要查看索引進度，請使用 pg_stat_progress_create_index 檢視畫面：
SELECT * FROM pg_stat_progress_create_index;
phase 欄會顯示索引建立作業目前的狀態，building postings 階段則表示索引建立作業即將完成。
如要調整索引，以達到目標喚回度和 QPS 平衡，請參閱「調整 IVF 索引」。
執行查詢
在資料庫中儲存嵌入並建立索引後，即可使用 pgvector 查詢功能開始查詢。
如要找出嵌入向量最鄰近的語意項目，可以執行下列範例查詢，並設定與建立索引時相同的距離函式。
SELECT * FROM TABLE
ORDER BY EMBEDDING_COLUMN DISTANCE_FUNCTION_QUERY '[EMBEDDING]'
LIMIT ROW_COUNT;
更改下列內容：
TABLE：這個資料表包含要與文字比較的嵌入。EMBEDDING_COLUMN：包含儲存嵌入的資料欄。DISTANCE_FUNCTION_QUERY：要與這項查詢搭配使用的距離函式。根據建立索引時使用的距離函式，選擇下列其中一項：L2 距離：
<->內積：
<#>餘弦距離：
<=>
EMBEDDING：要找出最鄰近儲存語意鄰居的嵌入向量。ROW_COUNT：要傳回的列數。如果只要單一最佳相符項目，請指定
1。
如要進一步瞭解其他查詢範例，請參閱「查詢」。
您也可以使用 embedding() 函式，將文字轉譯為向量。您將向量套用至其中一個 pgvector 最鄰近運算子 (<-> 代表 L2 距離)，找出語意最相似嵌入的資料庫資料列。
由於 embedding() 會傳回 real 陣列，因此您必須明確將 embedding() 呼叫轉換為 vector，才能搭配 pgvector 運算子使用這些值。