HNSW：分层小世界图的近似近邻搜索
从 NSW 到 HNSW，拆解随机层数、SEARCH-LAYER、启发式邻居选择与参数边界；对照 hnswlib、Faiss、Lucene、pgvector 源码默认值，并用可复现实验比较 simple 与 heuristic 邻居选择的召回成本。
vector-search 标签归档
共 11 篇文章 · 返回首页
乘积量化与 IVF-PQ：压缩域里的近似最近邻
从 Jégou 等人的 PQ/ADC 到 Faiss v1.8.0 的 IVF-PQ 源码，用可复现实验解释码长、量化误差、nprobe 与候选数如何共同决定召回。
ScaNN 与 DiskANN：量化损失、Vamana 与 SSD 图检索
从 ScaNN 的 score-aware 各向异性量化到 DiskANN 的 Vamana 图与 SSD beam search，核对论文公式、开源参数和可复现实验，说明内存量化与磁盘图检索各自解决什么问题。
从零实现一个向量搜索引擎
不重复 HNSW、PQ 和 DiskANN 细节，而是把向量检索放回引擎层：段式存储、墓碑删除、过滤搜索、mmap、并发快照与可复现召回评测。
局部敏感哈希：从概率保证到多探针近邻检索
从 (c,r)-ANN 与 LSH 的 rho 参数出发，推导 AND-OR 放大、随机超平面、p-stable 与 multi-probe，复现实测 SIFT1M 上召回率和候选数，并说明为什么理论保证不等于工程排名。
数据库内核实验索引
汇总本站数据库内核文章：PostgreSQL / MySQL InnoDB / 列存、湖仓、流处理、查询引擎、RocksDB、向量、Redis、全文检索、TiKV/HTAP、FoundationDB、SQLite、WiredTiger 与图数据库内核，以及 LSM-Tree 实验与其它单篇。
【向量检索引擎】向量引擎全景：算法、RAG 与专用引擎之间的一层
定位专用向量检索引擎相对 ANN 算法、RAG 应用与湖仓格式的分工；以 Milvus 2.6.x 四层架构与 insert/search 最小故事建立坐标系，并交代从 SIGMOD 2021 到 Streaming 演进的谱系与常见误解。
【向量检索引擎】Milvus · Segcore · Knowhere · Qdrant · Lance · pgvector
补齐 ANN 算法与 RAG 应用之间的生产级向量引擎层：以 Milvus 2.6.x 为主线拆解 Segment、WAL、Segcore、Knowhere、混合过滤与一致性，并用 Qdrant、LanceDB、pgvector 对照选型。
【数据湖与开放表格式】湖上 AI 与向量
湖仓如何承接 AI 负载：embedding/特征/训练样本存湖、按 snapshot 固定数据版本做可复现训练，以及 Parquet 在随机访问和向量检索上的短板。用本机实测对比 Lance 与 Parquet 的顺序扫描与按行随机 take，讲清 Lance 为何为随机访问与向量而生，并划清湖侧存储与专用向量引擎的边界。
【数据湖与开放表格式】Parquet · Iceberg · Delta · Hudi 内核拆解
拆解 lakehouse 的两层基础：列式文件格式（Parquet/ORC/Arrow）与开放表格式（Iceberg/Delta/Hudi）。讲清没有数据库进程时，如何在对象存储上做 ACID、行级更新、快照与并发，以及 catalog、查询引擎、流式入湖如何拼成可运维的湖仓。面向数据平台工程师与从 OLAP/数仓转型的开发者。
【数据库前沿】【数据库研究前沿】向量与标量的混合过滤检索：ACORN、Milvus、pgvector 的算法权衡
系统拆解 ANN 混合过滤检索（filtered vector search）里的 pre-filter、post-filter、in-filter 三种策略，覆盖 ACORN（SIGMOD 2024）的预测路由、Milvus/Qdrant 的 partition / pinned filter，以及 pgvector 的实际查询写法和 EXPLAIN 观察方法。