AI 数据库支持哪些主流的向量索引算法？

1. HNSW（分层可导航小世界图）

• 图结构索引，查询延迟低、召回高，适合内存充足、低延迟高召回场景
• 需调参（M、efSearch 等），内存占用相对较高

2. IVF-PQ（倒排文件 + 乘积量化）

• 将向量空间分区，并结合乘积量化压缩，内存与存储占用低
• 适合十亿级以上、成本敏感的大规模数据集

3. DiskANN（基于磁盘的图索引）

• 将图结构放在 NVMe/SSD 上，单机可服务超大规模向量
• 适合内存受限但数据量极大的场景

4. 辅助索引与量化

• Flat/暴力检索用于小规模精确比对与基线评测
• 标量量化（SQ）、乘积量化（PQ）、OPQ 用于压缩向量，降低内存与存储成本