向量数据库常见索引类型(HNSW、IVF 等)及原理
哪些公司问过
答案要点
- Flat 暴力检索精确但随数据量线性变慢,常作召回率基准
- IVF 用聚类划分倒排桶,核心参数 nlist(簇数)和 nprobe(查询探测簇数),权衡召回与速度
- PQ 乘积量化把向量分段量化压缩内存,常组成 IVF-PQ,代价是距离计算有误差
- HNSW 是分层可导航小世界图,参数 M、efConstruction、efSearch,召回高延迟低但内存大、构建慢
- 选型看数据量、内存、召回要求和是否频繁增删,并用 Flat 结果评估近似索引的召回率
易错点
- 把 HNSW 说成精确检索,它和 IVF 一样是近似最近邻
- 忽略 IVF 需要训练聚类,数据分布变化后不重建会导致召回下降
- 只看速度不评估召回率,没有用暴力检索结果做对照
- 距离度量和嵌入模型不匹配,比如模型要求余弦却用了 L2 且未归一化
面试官常见追问
- HNSW 和 IVF 怎么选?
- 召回率不够怎么调?
- RAG 里混合检索加重排的流程是怎样的?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。