BIN_IVF_FLAT

BIN_IVF_FLAT 인덱스는 이진 임베딩 전용 IVF_FLAT 인덱스의 변형입니다. 이 인덱스는 먼저 벡터 데이터를 여러 클러스터(n리스트 단위)로 분할한 다음 대상 입력 벡터를 각 클러스터의 중심과 비교함으로써 쿼리 효율성을 향상시킵니다. BIN_IVF_FLAT은 쿼리 시간을 크게 단축하는 동시에 사용자가 정확도와 속도 사이의 균형을 미세 조정할 수 있게 해줍니다. 자세한 내용은 IVF_FLAT을 참조하세요.

인덱스 구축

Milvus의 벡터 필드에 BIN_IVF_FLAT 인덱스를 구축하려면 add_index() 방법을 사용하여 index_type, metric_type 및 인덱스에 대한 추가 매개 변수를 지정합니다.

from pymilvus import MilvusClient

# Prepare index building params
index_params = MilvusClient.prepare_index_params()

index_params.add_index(
    field_name="your_binary_vector_field_name", # Name of the vector field to be indexed
    index_type="BIN_IVF_FLAT", # Type of the index to create
    index_name="vector_index", # Name of the index to create
    metric_type="HAMMING", # Metric type used to measure similarity
    params={
        "nlist": 64, # Number of clusters for the index
    } # Index building params
)

이 구성에서는

• index_type: 빌드할 인덱스 유형입니다. 이 예에서는 값을 BIN_IVF_FLAT 로 설정합니다.

• metric_type: 벡터 사이의 거리를 계산하는 데 사용되는 메서드입니다. 바이너리 임베딩에 지원되는 값은 HAMMING (기본값) 및 JACCARD 입니다. 자세한 내용은 메트릭 유형을 참조하세요.

• params: 인덱스 구축을 위한 추가 구성 옵션입니다.

  • nlist: 데이터 세트를 분할할 클러스터의 수입니다.

  BIN_IVF_FLAT 인덱스에 사용할 수 있는 더 많은 구축 매개변수에 대해 알아보려면 인덱스 구축 매개변수를 참조하세요.

인덱스 파라미터가 구성되면 create_index() 메서드를 직접 사용하거나 create_collection 메서드에서 인덱스 파라미터를 전달하여 인덱스를 생성할 수 있습니다. 자세한 내용은 컬렉션 만들기를 참조하세요.

인덱스에서 검색

인덱스가 구축되고 엔티티가 삽입되면 인덱스에서 유사도 검색을 수행할 수 있습니다.

search_params = {
    "params": {
        "nprobe": 10, # Number of clusters to search
    }
}

res = MilvusClient.search(
    collection_name="your_collection_name", # Collection name
    anns_field="binary_vector_field",  # Binary vector field
    data=[query_binary_vector],  # Query binary vector
    limit=3,  # TopK results to return
    search_params=search_params
)

이 구성에서는

• params: 색인에서 검색을 위한 추가 구성 옵션.

  • nprobe: 검색할 클러스터 수입니다.

  BIN_IVF_FLAT 인덱스에 사용할 수 있는 검색 매개변수에 대해 자세히 알아보려면 인덱스별 검색 매개변수를 참조하세요.

인덱스 매개변수

이 섹션에서는 인덱스를 만들고 인덱스에서 검색을 수행하는 데 사용되는 매개변수에 대한 개요를 제공합니다.

인덱스 구축 매개변수

다음 표에는 색인 작성 시 params 에서 구성할 수 있는 매개변수가 나열되어 있습니다.

파라미터	설명	값 범위	조정 제안
nlist	인덱스 구축 시 k-평균 알고리즘을 사용하여 생성할 클러스터의 수입니다. 중심점으로 표시되는 각 클러스터에는 벡터 목록이 저장됩니다. 이 매개변수를 늘리면 각 클러스터의 벡터 수가 줄어들어 더 작고 집중적인 파티션이 만들어집니다.	유형: 정수 범위: [1, 65536] 기본값입니다: 128	nlist 값이 클수록 더 세분화된 클러스터를 생성하여 정확도가 향상되지만 인덱스 구축 시간이 늘어납니다. 데이터 세트 크기와 사용 가능한 리소스에 따라 최적화합니다. 대부분의 경우 이 범위 내에서 값을 설정하는 것이 좋습니다: [32, 4096].

인덱스별 검색 매개변수

다음 표에는 인덱스에서 검색할 때 search_params.params 에서 구성할 수 있는 매개변수가 나열되어 있습니다.

파라미터	설명	값 범위	조정 제안
nprobe	후보를 검색할 클러스터의 수. 값이 클수록 더 많은 클러스터를 검색할 수 있으므로 검색 범위가 확장되어 회상률이 향상되지만 쿼리 대기 시간이 길어질 수 있습니다.	유형: 정수 범위: [1, nlist] 기본값입니다: 8	이 값을 높이면 검색 회수율은 향상되지만 검색 속도가 느려질 수 있습니다. 속도와 정확도의 균형을 맞추려면 nprobe 을 nlist 에 비례하여 설정합니다. 대부분의 경우 이 범위 내에서 값을 설정하는 것이 좋습니다: [1, nlist].