《向量数据库指南》——Milvus 中的向量索引概览和平面索引

目录

Milvus 中的向量索引

索引概览

平面索引

---

在之前的教程中，我们简单介绍了单词 Embedding 示例，了解了 Embedding 的强大，以及如何在向量数据库中进行向量存储和索引。此外，我们也简单介绍了最近邻搜索算法，这个问题涉及根据所选距离度量找到距离查询向量最接近的向量。

然后，我们还简要地讨论了几个主要的向量搜索方法。向量搜索是向量数据库的重要组成部分，它与计算密切有关；向量数据库是非常复杂的，涉及许多移动组件和抽象层。

 

在本教程中，我们将分析现代索引器的组成部分，然后再介绍两种最简单和最基本的索引策略——平面索引和倒置文件（IVF）索引。这两种索引类型，对我们之后的几个教程是至关重要的。

Milvus 中的向量索引

Milvus 使用 Facebook AI Similarity Search（FAISS）作为关键的索引构建库，除此之外还使用了 Hnswlib 和