GPU 索引

Milvus 支持各种 GPU 索引类型，以加快搜索性能和效率，尤其是在高吞吐量和高调用场景中。本主题概述了 Milvus 支持的 GPU 索引类型、适合的使用案例和性能特点。有关使用 GPU 建立索引的信息，请参阅《使用 GPU 建立索引》。

值得注意的是，与使用 CPU 索引相比，使用 GPU 索引并不一定能减少延迟。如果想完全最大化吞吐量，则需要极高的请求压力或大量的查询向量。

性能

Milvus 的 GPU 支持由 NvidiaRAPIDS团队贡献。以下是 Milvus 目前支持的 GPU 索引类型。

GPU_CAGRA

GPU_CAGRA 是为 GPU 优化的基于图的索引，与使用昂贵的训练级 GPU 相比，使用推理级 GPU 运行 Milvus GPU 版本可以获得更高的成本效益。

• 索引构建参数

  参数	说明	默认值
  intermediate_graph_degree	通过在剪枝之前确定图的度数来影响召回率和构建时间。推荐值为32 或64 。	128
  graph_degree	通过设置剪枝后图形的度数来影响搜索性能和召回率。这两个度数之间的差值越大，构建时间就越长。其值必须小于intermediate_graph_degree 的值。	64
  build_algo	选择剪枝前的图形生成算法。可能的值： IVF_PQ:提供更高的质量，但构建时间较慢。 NN_DESCENT提供更快的生成速度，但召回率可能较低。	IVF_PQ
  cache_dataset_on_device	决定是否在 GPU 内存中缓存原始数据集。可能的值 “true”:缓存原始数据集，通过细化搜索结果提高召回率。 “false”不缓存原始数据集，以节省 GPU 内存。	“false”

• 搜索参数

  参数	说明	默认值
  itopk_size	决定搜索过程中保留的中间结果的大小。较大的值可能会提高召回率，但会降低搜索性能。它至少应等于最终的 top-k（极限）值，通常是 2 的幂次（例如 16、32、64、128）。	空
  search_width	指定搜索过程中进入 CAGRA 图的入口点数量。增加该值可以提高召回率，但可能会影响搜索性能（如 1、2、4、8、16、32）。	空
  min_iterations /max_iterations	控制搜索迭代过程。默认设置为0 ，CAGRA 会根据itopk_size 和search_width 自动确定迭代次数。手动调整这些值有助于平衡性能和准确性。	0
  team_size	指定用于在 GPU 上计算度量距离的 CUDA 线程数。常用值是 2 的幂次，最高可达 32（例如 2、4、8、16、32）。它对搜索性能影响不大。默认值为0 ，Milvus 会根据向量维度自动选择team_size 。	0

• 搜索限制

  参数	范围
  limit (顶-K)	<= 1024
  limit (top-K)	<=max((itopk_size + 31)// 32,search_width)* 32

GPU_IVF_FLAT

与IVF_FLAT 类似，GPU_IVF_FLAT 也是将向量数据划分为nlist 聚类单元，然后比较目标输入向量与每个聚类中心之间的距离。根据系统设置查询的簇数（nprobe ），相似性搜索结果仅根据目标输入与最相似簇中向量的比较结果返回--大大缩短了查询时间。

通过调整nprobe ，可以在特定情况下找到准确性和速度之间的理想平衡。IVF_FLAT 性能测试结果表明，随着目标输入向量数 (nq) 和要搜索的簇数 (nprobe) 的增加，查询时间也会急剧增加。

GPU_IVF_FLAT 是最基本的 IVF 索引，每个单元中存储的编码数据与原始数据一致。

在进行搜索时要注意，针对 GPU_IVF_FLAT 索引的 Collections 进行任何搜索时，都可以将 top-K 设置为最多 256。

• 索引建立参数

  参数	说明	范围	默认值
  nlist	群组单位数	[1, 65536]	128
  cache_dataset_on_device	决定是否在 GPU 内存中缓存原始数据集。可能的值 “true”:缓存原始数据集，通过细化搜索结果提高召回率。 “false”不缓存原始数据集，以节省 GPU 内存。	"true" "flase"	"false"

• 搜索参数

  • 普通搜索

    参数	说明	范围	默认值
    nprobe	要查询的单位数	[1，nlist］	8

• 搜索限制

  参数	范围
  limit (top-K)	<=2048

GPU_IVF_PQ

PQ (乘积量化）将原始高维向量空间均匀分解为 低维向量空间的笛卡尔乘积，然后对分解后的低维向量空间进行量化。乘积量化不需要计算目标向量与所有单元中心的距离，而是能够计算目标向量与每个低维空间聚类中心的距离，大大降低了算法的时间复杂度和空间复杂度。m

IVF_PQ 先进行 IVF 索引聚类，然后再对向量的乘积进行量化。其索引文件比 IVF_SQ8 更小，但在搜索向量时也会造成精度损失。

• 索引建立参数

  参数	说明	范围	默认值
  nlist	群组单位数	[1, 65536]	128
  m	乘积量化因子数、	dim mod m or = 0	0
  nbits	[可选项] 每个低维向量的存储位数。	[1, 16]	8
  cache_dataset_on_device	决定是否在 GPU 内存中缓存原始数据集。可能的值： “true”:缓存原始数据集，通过细化搜索结果提高召回率。 “false”不缓存原始数据集，以节省 GPU 内存。	"true" "false"	"false"

• 搜索参数

  • 普通搜索

    参数	说明	范围	默认值
    nprobe	要查询的单位数	[1，nlist］	8

• 搜索限制

  参数	范围
  limit (top-K)	<=1024

GPU_BRUTE_FORCE

GPU_BRUTE_FORCE 专为对召回率要求极高的情况定制，通过将每个查询与数据集中的所有向量进行比较，保证召回率为 1。它只需要度量类型 (metric_type) 和 top-k (limit) 作为索引构建和搜索参数。

对于 GPU_BRUTE_FORCE，不需要额外的索引建立参数或搜索参数。

结论

目前，Milvus 会将所有索引加载到 GPU 内存中，以便进行高效的搜索操作。可加载的数据量取决于 GPU 内存的大小：

• GPU_CAGRA：内存使用量约为原始向量数据的 1.8 倍。
• GPU_IVF_FLAT和GPU_BRUTE_FORCE：需要与原始数据大小相等的内存。
• GPU_IVF_PQ：占用内存较少，具体取决于压缩参数设置。