选择Index并不明显，有几个问题可以帮助选择Index。

是否需要精确结果

使用Flat。
IndexFlat2是唯一能保证精确结果的Index。它为其他Index提供了对比标准。它不会压缩向量，不支持带标签添加，只能顺序添加。所以，如果你需要add_with_ids，使用IDMap,Flat。

内存是否有限制

请注意Faiss所有的Index都是存储在RAM里的，如果不需要精确结果，而同时RAM是有限的，在该限制下，我们在精度-速度中间进行衡量选择。可以考虑下面的问题：

内存充足无限制：使用HNSWx

如果你有很多RAM或者搜索库很小，HNSW是最好的选择。它很快、很精确。4<=x<=64是每个向量的链接数，这个值越高越精确，但是使用的RAM越多。而速度-精度衡量则通过efSearch参数调节实现，每个向量占用内存数为(d4+x2*4)字节。
HNSW不支持序列添加(not add_with_ids),同样的，如果需要，则使用IDMap。HNSW不需要训练，也不支持从index中删除向量。

内存不关注，使用"...,Flat"

"..."指的是需要进行的数据集聚类操作。聚类之后，“Flat”就把这些向量归于桶中，所以并没有亚索，所占的存储空间大小等于原数据集。速度-精度衡量通过nprobe参数控制。

内存比较有限，使用“PCARx,...,SQ8”

如果存储整个向量非常占内存资源，可以通过两种方法降低占用量：

PCA降维；
每个向量元素进行可计量量化至1字节；

所以，存储总量是每个向量的x字节。

内存非常有限，使用“OPQx_y, ..., PQx”

PQx使用PQ算法将每个向量进行压缩输出x字节的编码，x一般来说小于等于64，对于大的编码，SQ通常更精确、快速。OPQ是将向量进行线性转换，使得其更容易压缩。y表示的是一个维度，需满足：

y是x的因子；
y<=d，d是输入向量的维度；
y <= 4*x

数据集有多大

这个问题就是对上文"..."部分的回答。数据集被聚成多个桶，在搜索时只有一部分桶被遍历（nprobe个桶）。这个聚类操作只作用于数据集向量的具有代表性的样例之上，通常是数据集的一个样本集。我们针对样本集给出其最优尺寸选择：

如果低于1M向量:"...,IVFx,..."

其中x是4sqrt(N)16sqrt(N)，N是数据集的大小。这只是使用kmeans将向量聚起来，你需要30x256x向量训练（更多越好）。

如果1M-10M："...,IMI2x10,..."

其中x是符号，不是数字。
IMI也对训练集进行k-means聚类，聚成210中心点，但是在向量的前半部分和后半部分是独立的。增加聚类数到2*(210)。你需要大约64*(2^10)向量训练。

如果10M-100M:"...,IMI2x12,..."<千万级-亿级>

同上面的，10用12替换。

如果100M-1B："...,IMI2X14,..."<亿级-十亿级>

同上面的，10用14替换。

https://www.cnblogs.com/imagezy/p/8329229.html

facebook大数据搜索库faiss使用——选择Index相关推荐

大数据搜索选开源还是商业软件？ElasticSearch 对比 Splunk
2019独角兽企业重金招聘Python工程师标准>>> 本文就架构,功能,产品线,概念等方面就ElasticSearch和Splunk做了一下全方位的对比,希望能够大家在制定大数据搜 ...
Paper Pal：一个中英文论文及其代码大数据搜索平台
点击上方蓝字关注我们 Paper Pal:一个中英文论文及其代码大数据搜索平台余万, 付聿炜, 熊贇, 朱扬勇 1 引言在开展科研工作的过程中,科研人员需要从大量实时更新的论文中持续地跟踪学术界前 ...
【ElasticSearch】大数据搜索选开源还是商业软件？ElasticSearch 对比 Splunk
1.概述转载:大数据搜索选开源还是商业软件?ElasticSearch 对比 Splunk述本文就架构,功能,产品线,概念等方面就ElasticSearch和Splunk做了一下全方位的对比,希望 ...
Facebook大数据技术架构的演进路线
Facebook一直是大数据技术最积极的应用者,因为它拥有的数据量极其巨大,一份资料显示2011年它拥有的压缩数据已经有25PB,未压缩数据150PB,每天产生的未压缩的新数据有400TB.在F ...
视频教程-大数据搜索技术-大数据
大数据搜索技术软通动力教育集团简称软通大学,依托软通动力在技术服务领域的多方位解决方案能力,采用先进的教学理念和模式,直通高校和城市,开展干部培养,文化落地,初级资源培训,培训需求对接,专业项目课程 ...
博弈论 ai 大数据开源库_需要进化：博弈论与人工智能
博弈论 ai 大数据开源库 by Elena Nisioti 由Elena Nisioti 需要进化:博弈论与人工智能 (In need of evolution: game theory and A ...
微博掘金旅游大数据，商业化的好选择？
文章讲的是微博掘金旅游大数据,商业化的好选择, 当年微博接受阿里巴巴战略投资后,"微博要卖广告了"的论断不胫而走,随后信息流广告的成功的确证明微博在"卖广告" ...
大数据搜索不只开源Elastic，星环科技自研New Search青出于蓝
大数据产业创新服务媒体 --聚焦数据 · 改变商业 1月15日,全球著名的大数据搜索与实时处理公司Elastic公司CEO Shay Banon突然发文宣布,Elasticsearch和Kibana的 ...
python大数据搜索_python语言-用 Python 实现一个大数据搜索引擎
搜索是大数据领域里常见的需求.Splunk和ELK分别是该领域在非开源和开源领域里的领导者.本文利用很少的Python代码实现了一个基本的数据搜索功能,试图让大家理解大数据搜索的基本原理. 布隆过滤器 ...

facebook大数据搜索库faiss使用——选择Index