在PostgreSQL中索引和查询高维数据

一尘不染

在PostgreSQL中索引和查询高维数据

sql

我想索引高度尺寸的数据（可以在[0,254]范围内的128个整数的维向量）：

| id |      vector       |
|  1 | { 1, 0, ..., 254} |
|  2 | { 2, 128, ...,1}  |
|  . | { 1, 0, ..., 252} |
|  n | { 1, 2, ..., 251} |

我看到PostGIS实现了R树。那么我可以在PostGIS中使用这些树来索引和查询Postgres中的多维矢量吗？

我还看到有一个int数组的索引实现。

现在，我对如何执行查询有疑问。
我可以对整数数组执行knn搜索和半径搜索吗？也许我还必须定义自己的距离函数。这可能吗？我想使用曼哈顿距离（街区距离）进行查询。

我也可以将我的向量表示为带有模式的二进制字符串v1;v2;...;vn。这对执行搜索有帮助吗？

例如，如果我有以下两个字符串：

1;2;1;1
1;3;2;2

这两个字符串之间的结果/距离应为3。

阅读 225

2021-03-17

共1个答案

一尘不染

也许更好的选择是三次扩展，因为您感兴趣的区域不是单个整数，而是整个向量。

多维数据集支持GiST索引，Postgres9.6还将KNN索引引入多维数据集，支持欧几里得距离，出租车（又称曼哈顿）和切比雪夫距离。

9.6仍在开发中有点令人讨厌，但是将多维数据集扩展的修补程序反向移植到9.5并没有问题，我说这是经验。

希望128维仍然足以获得有意义的结果。

这该怎么做？

首先有一个示例表：

create extension cube;
create table vectors (id serial, vector cube);

用示例数据填充表：

insert into vectors select id, cube(ARRAY[round(random()*1000), round(random()*1000), round(random()*1000), round(random()*1000), round(random()*1000), round(random()*1000), round(random()*1000), round(random()*1000)]) from generate_series(1, 2000000) id;

然后尝试选择：

explain analyze SELECT * from vectors
order by cube(ARRAY[966,82,765,343,600,718,338,505]) <#> vector asc limit 10;
                                                           QUERY PLAN                                                           
--------------------------------------------------------------------------------------------------------------------------------
 Limit  (cost=123352.07..123352.09 rows=10 width=76) (actual time=1705.499..1705.501 rows=10 loops=1)
   ->  Sort  (cost=123352.07..129852.07 rows=2600000 width=76) (actual time=1705.496..1705.497 rows=10 loops=1)
         Sort Key: (('(966, 82, 765, 343, 600, 718, 338, 505)'::cube <#> vector))
         Sort Method: top-N heapsort  Memory: 26kB
         ->  Seq Scan on vectors  (cost=0.00..67167.00 rows=2600000 width=76) (actual time=0.038..998.864 rows=2600000 loops=1)
 Planning time: 0.172 ms
 Execution time: 1705.541 ms
(7 rows)

我们应该创建一个索引：

create index vectors_vector_idx on vectors (vector);

是否有帮助：

explain analyze SELECT * from vectors
order by cube(ARRAY[966,82,765,343,600,718,338,505]) <#> vector asc limit 10;

--------------------------------------------------------------------------------------------------------------------------------------------------
 Limit  (cost=0.41..1.93 rows=10 width=76) (actual time=41.339..143.915 rows=10 loops=1)
   ->  Index Scan using vectors_vector_idx on vectors  (cost=0.41..393704.41 rows=2600000 width=76) (actual time=41.336..143.902 rows=10 loops=1)
         Order By: (vector <#> '(966, 82, 765, 343, 600, 718, 338, 505)'::cube)
 Planning time: 0.146 ms
 Execution time: 145.474 ms
(5 rows)

在8个维度上，它确实有帮助。

2021-03-17