IVF-PQ 索引与混合检索策略（2025）

Milvus HNSW/IVF-PQ 索引与混合检索策略（2025）一、索引类型与度量索引：`HNSW` 适合在线更新与低延迟；`IVF-PQ` 通过分桶与乘积量化压缩向量，加速检索与节约存储。度量：`cosine`/`L2`/`IP` 按语义选择；统一归一化策略保障得分可比较。二、HNSW 参数图参数：`M` 与 `efConstruction` 决定建图质量与时间；建议以评估集回归。查询：`ef`（`efSearch`）越大召回率提升但延迟上升；按 P95/P99 指标设定。更新：在线插入与删除监控重排影响，错峰批量变更。三、IVF-PQ 参数训练：`nlist`（分桶数量）与训练样本覆盖数据分布；`m` 与 `nbits` 控制 PQ 压缩粒度。查询：`nprobe` 决定探测分桶数与召回率；结合过滤条件调节以避免无效桶。重训练：定期在新数据上再训练维持聚类质量。四、混合检索与过滤过滤：标签/时间/数值条件与向量相似度组合，形成 `混合检索`；先过滤再相似度排序降低计算量。融合：得分与业务权重融合，保障相关性与策略一致性。Top-K：按用例选择 `Top-K` 大小并观察首屏相关性的变化。五、维护与观测指标：召回率、延迟、索引大小、训练/重建耗时、重排频率。维护：碎片与失衡监控；适时重建或参数微调。成本：权衡存储与算力预算，避免过度追求召回导致成本失控。注意事项关键词（Milvus、HNSW、IVF-PQ、混合检索、召回率）贯穿正文并与 Front Matter 一致。分类为“数据/向量/Milvus”，不超过三级。参数以评估集与生产观测双重验证。