海量向量库的分片与召回加速
哪些公司问过
答案要点
- 数据分片:按文档 ID 哈希保证均衡,或按租户、时间、类目分区以缩小查询范围
- 查询归并:并行查各分片取局部 top-k,协调节点归并出全局 top-k,可适当放大每片返回量
- 近似索引:HNSW 召回高但耗内存;IVF 聚类后只搜最近的簇,可配合 PQ 压缩
- 压缩与重排:量化压缩降低内存,再用原始向量对候选重排弥补精度
- 其他手段:元数据过滤前置、冷热分层、热点查询缓存、降维,按召回率、延迟、成本权衡
易错点
- 认为分片越多越快,忽略扇出和归并带来的尾延迟
- 只追求速度,不测量近似索引的召回率损失
- 每个分片只返回 k 条,归并后可能遗漏全局相关结果
面试官常见追问
- HNSW 的关键参数有哪些?
- 带过滤条件的向量检索有什么问题?
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。