【向量检索引擎】ANN 算法工程接口：从 HNSW/IVF 到 Knowhere 契约

db-frontier/08 讲清了 HNSW、DiskANN、IVF-PQ 的图/倒排假设与召回–QPS–内存三角。第 8 篇 讲清了 Knowhere 的 VecIndex 类层次与工厂。中间还缺一张 工程师调参时看见的接口表：集合上声明哪种索引、哪些参数属于构建期、哪些属于查询期、Flat 在引擎里扮演什么角色。

本文不重证小世界图性质，只建立 算法名 → 引擎契约 的翻译层。

本文是「向量检索引擎」系列第 2 篇（共 18 篇）。→ 系列目录

版本锚定：Milvus 2.6.x Knowhere / Architecture；算法细节外链 frontier/08。

一、引擎需要的不是论文，是四个动词

生产路径里，ANN 对引擎暴露的能力可以收成：

Knowhere 文档强调：与经典「训练集 / 测试集分离」不同，段内数据既用于 train 也用于 search。因此索引生命周期 贴着 Sealed segment，而不是贴着全局离线竞赛设定（第 3、10 篇）。

二、类型速查：算法假设 → 引擎选型直觉

下表只给 接口层直觉；复杂度与参数精调见 frontier/08 与 llm-infra/18。

Architecture Overview 写明 Milvus 构建在 Faiss、HNSW、DiskANN、SCANN 等库之上；具体 release 启用哪些 index_type 字符串以当时 Index 文档为准。

2.1 构建期 vs 查询期参数

把查询期参数当成「免费旋钮」、把构建期参数当成「变更窗口」——排障时先分清改的是哪一类。

2.2 Flat 的系统角色

Knowhere 把 IDMAP 也做成 VecIndex：无 train/build，查询直接打原始向量。系统用途：

1. 离线算 Recall@k 的 ground truth；
2. 小数据或索引未就绪时的正确性路径；
3. 对比「加索引后掉了多少召回」的基线。

不要在十亿级集合上把 Flat 当默认在线索引。

三、与 Segment / 过滤的接口接点

1. 每 Sealed 一段一索引（Data Processing）→ 全局一次 search = 多索引候选归并（第 9 篇）。
2. bitset 软删与属性过滤（Bitset / Knowhere）→ Search 必须接受「哪些行仍参与」的掩码（第 11、13 篇）。
3. Growing 路径可能尚无最终 ANN 结构 → 实时可搜 ≠ 最终索引形态（第 5、10 篇）。

选择度很低的标量过滤会让「局部 Top-\(k\) 再合并」失效——这是算法三角之外的第四个变量，展开见第 11 篇与 db-frontier/09。

四、插件契约（回指第 8 篇）

向 Knowhere 增加索引类型的官方步骤：IndexEnum → ConfAdapter 校验 → 实现 VecIndex → VecIndexFactory → unittest。量化系参考 IVF_FLAT，图系参考 HNSW，树系参考 Annoy。

本篇对应用的含义：你在 SDK 里填的 index_type / params，最终要落到某一 VecIndex 实现的 Train/Query；没有实现的字符串不是「配置写错了就会自动降级」的承诺。

五、学术谱系与开放问题

开放问题：多向量字段时，单段多索引的参数面如何避免组合爆炸；磁盘索引与对象存储冷热分层如何共用同一套 Load 语义（第 6、18 篇）。

六、小结

ANN 进引擎后变成 Train/Build/Load/Search 契约，参数分构建期与查询期，索引贴着 Segment，Flat 是金标准不是默认线上。下一篇起回到数据模型与控制面已写篇章；混合过滤见 第 11 篇。

参考资料

1. Milvus Documentation v2.6.x, Knowhere、Architecture Overview、Data Processing。
2. db-frontier/08、db-frontier/09。
3. 第 8 篇 Knowhere、系列 index。

返回 系列目录 ｜ 上一篇：向量引擎全景 ｜ 下一篇：Segment 状态机