2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

Vectorlite v0.2.0:在SQLite驱动下实现极速向量检索

发布日期:2024-09-20 10:34:46 浏览次数: 2687
作者:Halo咯咯

微信搜一搜,关注“Halo咯咯”

01

概述 

在技术的迅猛浪潮中,Vectorlite的最新版本v0.2.0以其卓越的性能提升,再次证明了其在向量搜索领域的领先地位。自Vectorlite首次亮相以来,它便以其飞快的搜索速度赢得了开发者的青睐,这一切得益于其底层强大的向量搜索库——hnswlib。然而,技术的探索永无止境,Vectorlite团队并未因此停下脚步,他们不断挑战自我,力求突破,终于在v0.2.0版本中实现了又一次的飞跃。

02

性能改进的背景

hnswlib虽然强大,但它在某些方面的局限性也逐渐显现。比如在ARM平台上,它的向量距离实现会退回到较慢的标量实现;在支持AVX2的x64平台上,其SIMD实现只有在有更快指令时才使用AVX指令。此外,SIMD指令在编译时确定,这可能会导致一些问题,尤其是当预编译的Vectorlite包分发时,用户的机器可能并不支持AVX2,或者支持更高级的SIMD指令,如AVX-512,而预编译的Vectorlite却无法利用这些高级指令。
为了解决这些问题,Vectorlite v0.2.0版本采用了Google的highway库,实现了自己的可移植向量距离实现。这一改进不仅解决了上述问题,还带来了一系列令人瞩目的性能提升。

03

v0.2.0版本的性能提升

在v0.2.0版本中,Vectorlite的速度得到了显著提升:
  • 动态SIMD指令集检测:得益于highway库的动态调度特性,Vectorlite现在可以在运行时检测到最佳可用的SIMD指令集。这意味着,即使是在向量维度较小(<=128)的情况下,Vectorlite也能保持高效的性能,尽管会有一点点运行时开销。
  • 向量距离实现的优化:在我的PC上(支持AVX2的i5-12600KF Intel CPU),当向量维度较大(>=256)时,Vectorlite的向量距离实现比hnswlib的实现快1.5倍至3倍。这一提升主要得益于Vectorlite能够充分利用AVX2的Fused-Multiply-Add操作。然而,当向量维度较小(<=128)时,Vectorlite的速度略慢于hnswlib,这是由于动态调度的成本。
  • ARM平台的SIMD加速:在ARM平台上,Vectorlite现在也支持SIMD加速,这是以往版本所不具备的。
  • 向量归一化的加速:向量归一化现在保证是SIMD加速的,比标量实现快4倍至10倍,这对于使用余弦距离的向量搜索任务尤为重要。

04

E2E基准测试

为了全面评估Vectorlite v0.2.0版本的表现,开发团队进行了一系列的E2E基准测试。这些测试使用了不同维度和数量的向量,以及不同的查询参数,以模拟真实世界中的使用场景。
测试结果表明,Vectorlite在向量查询速度上比sqlite-vec快3倍至100倍,且随着数据集大小的增加,这一差异越来越大。这主要是因为sqlite-vec只使用暴力搜索,而不适用于大型数据集。与此同时,Vectorlite使用ANN(近似最近邻)算法,可以扩展到大型数据集,尽管准确率可能不是100%。

05

结论 

Vectorlite v0.2.0版本的发布,不仅在技术上实现了显著的突破,更在实际应用中展现出了卓越的性能。无论是在小数据集还是预期的大数据集上,Vectorlite都显示出了其在向量搜索领域的领导地位。随着未来工作的不断推进,Vectorlite有望在向量搜索领域实现更多的创新和突破。
Vectorlite仍有很多未来的工作:
    • 支持向量标量量化
    • 在更大的数据集上进行基准测试
    • 支持用户提供的元数据(rowid)过滤器
随着v0.2.0版本的发布,Vectorlite的向量搜索性能更快。即使在支持AVX2的机器上,它通常也比直接使用hnswlib运行得更快。在向量搜索方面,即使对于小数据集,Vectorlite也具有显著的性能优势,并且应该能够扩展到更大的数据集。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅