提升向量搜索性能

TiDB 向量搜索使你能够执行近似最近邻（ANN）查询，搜索与图片、文档或其他输入相似的结果。为了提升查询性能，请参考以下最佳实践。

为向量列添加向量搜索索引

向量搜索索引 能显著提升向量搜索查询的性能，通常提升 10 倍或更多，代价是召回率略有下降。

确保向量索引已完全构建

在插入大量向量数据后，部分数据可能处于 Delta 层，等待持久化。此类数据的向量索引会在数据持久化后进行构建。在所有向量数据完成索引之前，向量搜索的性能不会达到最佳。要查看索引构建进度，请参见 View index build progress。

减少向量维度或缩短嵌入向量

随着向量维度的增加，向量索引和查询的计算复杂度会显著提升，需进行更多的浮点数比较。

为了优化性能，建议在可行的情况下减少向量维度。这通常需要切换到其他的嵌入模型。在切换模型时，需要评估模型变更对向量查询准确率的影响。

某些嵌入模型如 OpenAI text-embedding-3-large 支持 缩短嵌入向量，即在不影响嵌入表达概念的前提下，去除向量序列末尾的一些数字。你也可以使用此类模型来减小向量维度。

在结果中排除向量列

向量嵌入数据通常较大，仅在搜索过程中使用。通过在查询结果中排除向量列，可以大幅减少 TiDB 服务器与 SQL 客户端之间传输的数据量，从而提升查询性能。

要排除向量列，应在 SELECT 子句中明确列出你希望检索的列，而不是使用 SELECT * 来获取所有列。

预热索引

当访问从未使用过或长时间未访问的索引（冷访问）时，TiDB 需要从云存储或磁盘加载整个索引（而非从内存加载）。此过程耗时较长，常导致查询延迟增加。此外，如果长时间没有 SQL 查询（例如数小时），计算资源会被回收，后续访问会变成冷访问。

为了避免此类查询延迟，可以在实际工作负载之前，通过运行类似的向量搜索查询预热索引，从而使索引处于热状态。