注意⚠️

Node请使用>=18.0.0版本。

应用场景

• 相似性搜索：快速检索与给定向量最相似的项。
• 推荐系统：根据用户行为和偏好推荐相关内容。
• 图像检索：在大规模图像库中找到与查询图像最相似的图像。
• 自然语言处理：将文本转换为向量并执行语义搜索。
• 生物信息学：分析和比较生物序列，如蛋白质和基因组数据。

索引与度量类型详解

索引类型（IndexType）

• INVALID：无效索引类型，仅用于内部标记。
• FLAT：暴力搜索，适用于小规模数据集。
• IVF_FLAT：倒排索引平面模式，适用于中等规模数据集。
• IVF_SQ8：倒排索引量化模式，适用于大规模数据集，牺牲精度提升速度。
• IVF_PQ：倒排索引产品量化模式，适用于大规模高维数据集，平衡速度和精度。
• HNSW：分层导航小世界图，提供快速搜索，适用于大规模数据集。
• DISKANN：基于磁盘的近似最近邻搜索，适用于存储在磁盘上的大规模数据集。
• AUTOINDEX：自动选择最优索引类型。
• SCANN：使用扫描和树结构加速搜索。
• GPU_IVF_FLAT、GPU_IVF_PQ：GPU 加速索引，适用于 GPU 环境。
• BIN_FLAT、BIN_IVF_FLAT：二进制向量专用索引。
• TRIE：适用于字符串类型的字典树索引。
• STL_SORT：适用于标量字段的排序索引。

度量类型（MetricType）

• INVALID：无效度量类型，仅用于内部标记。
• L2：欧几里得距离，适用于浮点向量。
• IP：内积，用于计算余弦相似度。
• COSINE：余弦相似度，适用于文本和图像搜索。
• HAMMING：汉明距离，适用于二进制向量。
• JACCARD：杰卡德相似系数，适用于集合相似度计算。 :::