向海量向量数据库查询靠速度与精准的平衡。理解向量索引的本质，是优化性能的关键。
• HNSW（Hierarchical Navigable Small World）
- 默认且最通用，构建多层次索引结构
- 高层快速定位，大层精确检索，类似多维跳跃表
- 适用范围广，支持动态增量更新，极具扩展性
- 需警惕：大规模时内存占用激增，重写入场景下索引维护成本高
• Flat Index（平面索引）
- 最简单，全部向量线性扫描
- 适合小规模数据，节省内存
- 缺点：查询时间随数据线性增长，不适合大规模实时检索
- 适用场景：批量离线任务，100%召回率优先，查询延迟可接受
• Dynamic Index（动态索引）
- 混合策略，初期用Flat索引，超过阈值（默认1万条）自动切换为HNSW
- 优化自动化，兼顾小规模灵活性和大规模效率
- 注意隐藏切换带来的重建开销，影响写入性能
选择向量索引不仅看数据规模，更要结合读取/写入比例、在线/离线业务形态。盲目追求速度，忽视系统资源与维护，反而得不偿失。
建议新项目初期优先选用HNSW，因其适应性强、性能均衡，后续可根据业务特性调整优化。
详情解读🔗 weaviate.io/blog/vector-search-explained
向量索引 数据库性能 大数据检索 机器学习 AI系统优化
