大网数据广告活动
数据库部署与 SQL 参考

提升向量搜索性能

· 52CE 我爱测

TiDB 向量搜索支持执行近似最近邻(ANN)查询,用于查找与某个镜像、文档或其他输入相似的结果。要提升查询性能,请参考以下最佳实践。

提升向量搜索性能

TiDB 向量搜索支持执行近似最近邻(ANN)查询,用于查找与某个镜像、文档或其他输入相似的结果。要提升查询性能,请参考以下最佳实践。

注意:

为向量列添加向量搜索索引

向量搜索索引 能显著提升向量搜索查询的性能,通常可提升 10 倍或以上,仅以极小的召回率下降为代价。

确保向量索引已完全构建

在你插入大量向量数据后,部分数据可能仍处于 Delta 层,等待持久化。TiDB 会在数据持久化后为这些数据构建向量索引。在所有向量数据都被索引之前,向量搜索性能会处于次优状态。要查看索引构建进度,请参见 查看索引构建进度。

降低向量维度或缩短 embedding

随着向量维度的增加,向量搜索索引和查询的计算复杂度会显著提升,需要进行更多的浮点数比较。

为优化性能,建议在可行的情况下降低向量维度。这通常需要切换到其他 embedding 模型。切换模型时,你需要评估模型变更对向量查询准确性的影响。

某些 embedding 模型(如 OpenAI 的 text-embedding-3-large)支持缩短 embedding,即在不丢失 embedding 概念表达能力的前提下,从向量序列末尾移除部分数值。你也可以使用此类 embedding 模型来降低向量维度。

从结果中排除向量列

向量 embedding 数据通常较大,仅在搜索过程中使用。通过在查询结果中排除向量列,可以大幅减少 TiDB 服务器与 SQL 客户端之间传输的数据量,从而提升查询性能。

要排除向量列,请在 SELECT 子句中显式列出你需要获取的列,而不是使用 SELECT * 获取所有列。

预热索引

当访问从未被使用过或长时间未被访问(冷访问)的索引时,TiDB 需要从云存储或磁盘(而非内存)加载整个索引。此过程需要一定时间,通常会导致更高的查询延时。此外,如果长时间(如数小时)没有 SQL 查询,计算资源会被回收,导致后续访问变为冷访问。

为避免此类查询延时,在实际负载前,可以通过执行命中向量索引的类似向量搜索查询来预热索引。

本文来自 PingCAP / TiDB 文档贡献者,按 CC BY-SA 3.0 整理版式与相对链接,保留正文与代码。图示请参阅原文。作者与贡献记录。

资料来源与适用范围

资料来源
PingCAP / TiDB 文档贡献者
适用范围
master 文档快照(2026-11-16)
内容语言
中文;命令、路径和错误标识保留技术原文
本地收录日期
2026-11-16
授权说明
CC BY-SA 3.0

正文与所需资源由本站本地存储。查看来源及更新记录 ↗

请按适用版本和实际日志确认原因;本站没有对每一种系统或设备逐项执行文中的操作。