GPU_IVF_FLAT

GPU_IVF_FLAT索引是 IVF_FLAT 索引的 GPU 加速版本，專為 GPU 環境設計。它將向量資料分割成nlist 叢集單位，並透過首先比較目標查詢向量與每個叢集的中心點來計算相似度。透過調整nprobe 參數，只有最有希望的叢集才會被搜尋，這可以減少查詢時間，同時維持精確度與速度之間的平衡。有關基礎概念的詳細資訊，請參閱IVF_FLAT。

建立索引

要在 Milvus 中建立向量場的GPU_IVF_FLAT 索引，請使用add_index() 方法，指定index_type,metric_type, 以及索引的附加參數。

from pymilvus import MilvusClient

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

index_params.add_index(
    field_name="your_vector_field_name", # Name of the vector field to be indexed
    index_type="GPU_IVF_FLAT", # Type of the index to create
    index_name="vector_index", # Name of the index to create
    metric_type="L2", # Metric type used to measure similarity
    params={
        "nlist": 1024, # Number of clusters for the index
    } # Index building params
)

在此設定中

• index_type:要建立的索引類型。在本範例中，設定值為GPU_IVF_FLAT 。

• metric_type:用於計算向量間距離的方法。詳情請參閱公制類型。

• params:建立索引的附加設定選項。

  • nlist:分割資料集的叢集數。

  要瞭解GPU_IVF_FLAT 索引可用的更多建立參數，請參閱索引建立參數。

一旦配置好索引參數，您就可以直接使用create_index() 方法或在create_collection 方法中傳入索引參數來建立索引。如需詳細資訊，請參閱建立集合。

在索引上搜尋

索引建立且實體插入後，您就可以在索引上執行相似性搜尋。

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

res = MilvusClient.search(
    collection_name="your_collection_name", # Collection name
    anns_field="vector_field",
    data=[[0.1, 0.2, 0.3, 0.4, 0.5]],  # Query vector
    limit=3,  # TopK results to return
    search_params=search_params
)

在此配置中

• params:在索引上搜尋的其他設定選項。

  • nprobe:要搜尋的群集數量。

  要瞭解GPU_IVF_FLAT 索引可用的更多搜尋參數，請參閱特定於索引的搜尋參數。

索引參數

本節概述用於建立索引和在索引上執行搜尋的參數。

索引建立參數

下表列出了建立索引時可在params 中設定的參數。

參數	說明	值範圍	調整建議
nlist	在建立索引時，使用 k-means 演算法建立的叢集數目。 每個叢集以中心點表示，儲存向量清單。增加此參數可減少每個叢集中的向量數量，從而建立更小、更集中的分割。	類型：整數範圍：[1, 65536] 預設值：128	較大的nlist 值會透過建立更精細的叢集來改善召回率，但會增加索引建立時間。根據資料集大小和可用資源進行最佳化。 在大多數情況下，我們建議您設定此範圍內的值：[32, 4096].

特定於索引的搜尋參數

下表列出在索引上搜尋時，可在search_params.params 中設定的參數。

參數	說明	值範圍	調整建議
nprobe	搜尋候選資料的叢集數。 較高的值允許搜尋更多的叢集，藉由擴大搜尋範圍來改善召回率，但代價是增加查詢延遲。	類型：整數範圍：[1,nlist］ 預設值：8	增加此值可提高召回率，但可能會減慢搜尋速度。請依nlist 的比例設定nprobe ，以平衡速度與精確度。 在大多數情況下，我們建議您設定此範圍內的值：[1, nlist]。