一篇文章讲明白向量数据库Milvus的索引如何选择

Milvus数据库的一个Collection中可以分为两类字段：标量字段和向量字段。标量字段就如同Mysql表中的字段一样，为了提高查询性能，可以对表字段创建索引。向量字段则是一种特殊的字段，为了提高向量查询性能，Milvus提供了多种创建索引的方式。

索引简单说就是用空间换时间，也就是创建索引需要占用一定的存储空间。向量索引根据存储的位置可以分为：内存索引、磁盘索引、GPU索引。本文则为大家介绍常用的内存索引。

目前，一个向量场只支持一种索引类型。切换索引类型时，Milvus 会自动删除旧索引。

内存索引

由于Milvus的嵌入可以分为三个类型：浮点嵌入、二进制嵌入、稀疏嵌入。根据嵌入类型的不同，Milvus支持的索引类型也会有所差异。

该类型索引包括FLAT、IVF_FLAT、IVF_PQ、IVF_SQ8、HNSW和SCANN，都是基于 CPU 的 ANN 搜索。可以选择的距离度量（metric_type）有：欧式距离（L2）、内积（IP）、余弦相似度（COSINE）

该类型索引包括BIN_FLAT、BIN_IVF_FLAT，常用的距离度量有：汉明（HAMMING）、雅卡德（JACCARD）。

支持的索引	分类	场景
BIN_FLAT	基于量化的索引	取决于相对较小的数据集要求完全准确无需压缩保证精确的搜索结果
BIN_IVF_FLAT	基于量化的索引	高速查询要求尽可能高的召回率

该类型的索引包括：SPARSE_INVERTED_INDEX、SPARSE_WAND，距离度量只能用内积（IP）。

支持的索引	分类	场景
SPARSE_INVERTED_INDEX	倒置索引	取决于相对较小的数据集要求 100%的召回率
SPARSE_WAND	反向索引	弱AND算法加速在牺牲少量召回率的同时，速度也有明显提高

对于初学者而言，我们可以不用太关注各种类型的索引之间的差异，先对Milvus有一个整体的了解则更重要。但是当我们想要进一步用好Milvus时，就需要大家根据自己的场景选择适合自己的索引类型和距离度量了。想要进一步学习，可以关注：遇码，回复milvus获取官方文档。