索引方式：

FLAT：准确率高， 适合数据量小

        暴力求解相似。

IVF-FLAT：量化操作， 准确率和速度的平衡

        IVF:inverted file

                   先对空间的点进行聚类，查询时先比较聚类中心距离，再找到最近的N个点。

IVF-SQ8：量化操作，disk cpu GPU 友好

SQ8：对向量做标量量化，浮点数表示转为int型表示，4字节->1字节。

IVF-PQ：快速，但是准确率降低

        把向量切分成m段，对每段进行聚类；查询时，查询向量分端后与聚类中心计算距离，各段相加后即为最终距离。使用对称距离(聚类中心之前的距离)不需要计算直接查表，但是误差回更大一些。

HNSW：基于图的索引，高效搜索场景

HNSW：构建多层的NSW。

ANN召回算法之HNSW - 知乎

ANNOY：基于树的索引，高召回率

 

相关学习链接：

官方地址

milvus向量索引

ANN召回算法之IVFPQ

Faiss中的IVF和PQ原理