pgvector项目中的向量相似度排序操作解析

向量相似度搜索基础

在pgvector项目中，向量相似度搜索是核心功能之一。项目提供了三种主要的距离计算操作符，用于衡量向量之间的相似程度：

1. L2距离（欧几里得距离）：<-> 操作符
2. 内积（Inner Product）：<#> 操作符
3. 余弦相似度（Cosine Similarity）：<=> 操作符

正确的排序方式

许多开发者在使用pgvector进行相似度搜索时，可能会对排序方向产生困惑。实际上，这三种操作符在使用时有着不同的语义：

• L2距离：值越小表示向量越相似，直接使用升序排序即可

ORDER BY vec <-> '[1,2,3]'

• 内积：值越大表示向量越相似，但pgvector会自动处理，直接使用升序排序

ORDER BY vec <#> '[1,2,3]'

• 余弦相似度：值越大表示向量越相似，同样直接使用升序排序

ORDER BY vec <=> '[1,2,3]'

常见误区解析

1. 内积的排序方向：开发者可能会认为内积需要降序排序，但实际上pgvector已经在内核中进行了优化处理，直接使用升序即可获得最近邻结果。

2. 余弦距离转换：有些开发者会尝试使用1-(vec <=> '[1,2,3]')来转换为距离形式，但这种做法不仅不必要，还会导致索引无法使用。

3. 最远邻搜索：目前pgvector的HNSW索引仅支持最近邻搜索，不支持最远邻搜索（即通过DESC排序获取最不相似的结果）。

性能优化建议

1. 对于768维的向量，确保创建了适当的HNSW索引：

CREATE INDEX ON table USING hnsw (vec vector_l2_ops);

2. 当数据量达到50万级别时，合理设置HNSW索引参数（如m和ef_construction）可以显著提升查询性能。

3. 避免在排序条件中进行额外的计算（如1-余弦相似度），这会阻止索引的使用。

实际应用场景

在实际应用中，这三种相似度度量各有优势：

• L2距离适用于需要精确几何距离的场景
• 内积在推荐系统中表现良好
• 余弦相似度适合文本嵌入等方向性重要的场景

理解这些操作符的正确使用方式，可以帮助开发者构建更高效的向量搜索应用。