向量索引 HNSW 与 IVF_FLAT 的原理、参数与选型
哪些公司问过
答案要点
- IVF_FLAT:k-means 聚类分桶,查询只搜最近的 nprobe 个桶
- HNSW:多层图结构,从顶层贪心下沉,底层做最佳优先搜索
- M 控制连边数与内存,efConstruction 控制建图质量,efSearch 控制查询召回与延迟
- HNSW 召回高、延迟低但内存大、构建慢;IVF 省内存、构建快,可结合 PQ
- 大规模 Top K:分片近似检索后合并,必要时用原始向量重排
易错点
- 把 efSearch 设得比 K 还小
- 以为 IVF_FLAT 存原始向量就是精确搜索,忽略只搜部分桶的召回损失
- 忽视 HNSW 删除困难、内存占用大的问题
面试官常见追问
- HNSW 的 M、efConstruction 和 efSearch 怎么调?
- IVF 加 PQ 是什么?
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。