多模态数据库采用哪些索引结构支撑高效检索？

1. 向量索引

用于高维向量的近似最近邻搜索，常见结构包括 HNSW（分层可导航小世界图）、IVF 结合乘积量化（IVF+PQ）、DiskANN 等。其中 DiskANN 类磁盘索引可将超大规模索引放到磁盘上，突破内存容量限制。

2. 倒排索引

面向全文与稀疏向量的关键词检索，是 BM25 等经典相关性算法的底层支撑，擅长精确匹配产品编号、专有名词、错误码等关键词。

3. 局部敏感哈希

局部敏感哈希（LSH）通过哈希聚类把近似向量映射到相近桶中，支持并发写入与增量构建，适合需要高写入吞吐的场景。

4. 图与时序索引

图索引服务于实体关系遍历与多跳推理，时序索引则针对带时间戳的传感器、行为流数据做高效范围查询，二者与向量、全文索引共同构成混合索引体系。