首页
/ Kysely中高效复用大型向量变量的查询优化技巧

Kysely中高效复用大型向量变量的查询优化技巧

2025-05-19 13:27:15作者:翟萌耘Ralph

在使用Kysely进行PostgreSQL查询时,处理大型向量变量(如AI嵌入向量)可能会遇到性能问题。本文将深入探讨如何优化这类查询,避免重复传递大型参数。

问题背景

在AI应用中,我们经常需要处理高维向量(如384维或768维的嵌入向量)。当这些向量需要多次出现在SQL查询中时,直接重复传递会导致查询语句变得非常庞大,影响性能。

原始查询的问题

原始查询中存在三个主要问题:

  1. 多次重复传递同一个大型向量参数
  2. 试图使用多个SELECT语句(PostgreSQL不支持在预处理语句中执行多命令)
  3. 向量转换函数可能不够高效

优化方案

1. 使用WITH子句(CTE)定义临时变量

PostgreSQL的WITH子句(Common Table Expression)可以让我们定义查询中的临时变量,避免重复:

const definitions = await db.executeQuery(
  sql`
WITH embedding_query AS (
  SELECT ${vectorToSql(embeddingQ)}::vector AS embedding
)
SELECT 
  id, 
  language__id, 
  entry__id, 
  1 - (definitions.embedding <=> (SELECT embedding FROM embedding_query)) AS similarity
FROM definitions
WHERE 1 - (definitions.embedding <=> (SELECT embedding FROM embedding_query)) > 0.8
ORDER BY (definitions.embedding <=> (SELECT embedding FROM embedding_query)) ASC
LIMIT 10;`.compile(db)
)

2. 优化向量转换函数

确保向量转换函数高效处理数组:

function vectorToSql(value: number[]): string {
  if (!Array.isArray(value)) {
    throw new Error('Input must be an array');
  }
  return `[${value.map(v => Number(v)).join(',')}]`;
}

3. 使用函数封装重复计算

对于重复的向量相似度计算,可以创建PostgreSQL函数:

CREATE OR REPLACE FUNCTION calculate_similarity(vec1 vector, vec2 vector)
RETURNS float AS $$
BEGIN
  RETURN 1 - (vec1 <=> vec2);
END;
$$ LANGUAGE plpgsql;

然后在查询中使用:

const definitions = await db.executeQuery(
  sql`
WITH embedding_query AS (
  SELECT ${vectorToSql(embeddingQ)}::vector AS embedding
)
SELECT 
  id, 
  language__id, 
  entry__id, 
  calculate_similarity(definitions.embedding, (SELECT embedding FROM embedding_query)) AS similarity
FROM definitions
WHERE calculate_similarity(definitions.embedding, (SELECT embedding FROM embedding_query)) > 0.8
ORDER BY similarity DESC
LIMIT 10;`.compile(db)
)

性能考虑

  1. 参数绑定:Kysely使用参数化查询,大型向量只会被传递一次
  2. 索引优化:确保在embedding列上创建了适当的向量索引
  3. 批量处理:考虑批量处理多个向量查询,减少数据库往返

最佳实践

  1. 对于频繁使用的向量操作,创建PostgreSQL函数
  2. 使用CTE(WITH子句)组织复杂查询
  3. 在应用层缓存常用向量
  4. 考虑使用专门的向量数据库处理超大规模向量搜索

通过以上优化,可以显著提高包含大型向量参数的查询性能,同时保持代码的清晰和可维护性。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.92 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
929
553
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8