执行详尽的精确 k 最近邻 (kNN) 搜索，也称为暴力搜索，成本高昂，并且它不能很好地扩展到更大的数据集。在向量搜索期间，暴力搜索需要计算每个查询向量和数据库向量之间的距离。对于常用的欧几里德和余弦距离，计算任务等同于大型矩阵乘法。
虽然 GPU 在执行矩阵乘法方面效率很高，但随着数据量的增加，计算成本变得令人望而却步。然而，许多应用程序不需要精确的结果，而是可以为了更快的搜索而牺牲一些准确性。当不需要精确的结果时，近似最近邻 (ANN) 方法通常可以减少搜索期间必须执行的距离计算的数量。
本文主要介绍了 IVF-Flat，这是 NVIDIA RAPIDS RAFT 中的一种方法。IVF-Flat 方法使用原始（即Flat）向量的倒排索引 (IVF)。此算法提供了简单的调整手段，以减少整体搜索空间并在准确性和速度之间进行权衡。
为了帮助您了解如何使用 IVF-Flat，我们讨论了该算法的工作原理，并演示了Python和C++ APIs我们介绍了索引构建的设置参数，并提供了如何配置 GPU 加速的 IVF-Flat搜索的技巧。这些步骤也可以在示例中遵循Python notebook和C++ project.最后，我们演示了 GPU 加速的向量搜索比 CPU 搜索快一个数量级。
IVF-Flat 算法
IVF 方法通过将数据集向量分组为簇并将搜索限制在每个查询的一些最近簇来加速向量搜索(图 1)。
在 IVF-Flat 算法中，只搜索几个簇(而不是整个数据集)是实际的近似值。使用此近似值，您可能会错过分配给您未搜索的簇的一些近邻，但它极大地缩短了搜索时间。
在搜索数据集之前，您必须构建索引，这是一种存储高效搜索所需信息的结构。对于 IVF-Flat，索引存储簇的描述：其中心坐标和属于簇的向量列表。此列表是倒排列表，也称为倒排文件，这就是 IVF 的首字母缩写词。
在讨论倒排文件后，我们将在以下部分演示如何构建索引并解释如何执行搜索。
IVF 含义
为完整起见，以下是一些历史语境。倒排文件(或倒排索引)来自信息检索字段。
以几个简单的文本文档为例。如果要搜索包含给定单词的文档， forward index会存储每个文档的单词列表。您必须明确阅读每个文档才能找到相关的文档。
相比之下，倒排索引包含了您可以搜索的所有单词的字典，并且对于每个单词，都有一个该单词所在的文档索引列表。这就是所谓的倒排列表（倒排文件），您可以将搜索限制在选定的列表中。
如今，文本数据通常表示为向量嵌入。IVF-Flat 方法定义了簇中心，这些中心类似于前面示例中的词典。对于每个簇中心，您都有属于该簇的向量索引列表，并且搜索速度加快，因为您只需检查选定的簇。
索引构建
索引构建主要是对数据集进行聚类运算。ivf_flat可以使用以下代码示例在 Python 中创建索引：
from pylibraft.neighbors import ivf_flatbuild_params = ivf_flat.IndexParams( n_lists=1024, metric="sqeuclidean" )index = ivf_flat.build(build_params, dataset) |
在 C++中，您有以下语法：
#include <raft/neighbors/ivf_flat.cuh> using namespace raft::neighbors;raft::device_resources dev_resources;ivf_flat::index_params index_params;index_params.n_lists = 1024;index_params.metric = raft::distance::DistanceType::L2Expanded;auto index = ivf_flat::build(dev_resources, index_params,raft::make_const_mdspan(dataset.view())); |
创建索引的最重要超参数是n_lists其中会指明要使用的簇数量。您还可以指定距离计算指标。
搜索
构建索引后，搜索很简单。在 Python 中，以下调用返回两个数组：相邻数组的索引及其与查询向量的距离：
distances, indices = ivf_flat.search(ivf_flat.SearchParams(n_probes=50), index, queries, k=10) |
C++中的等效调用需要预先分配输出数组：
int topk = 10;auto neighbors = raft::make_device_matrix<int64_t, int64_t>(dev_resources, n_queries, topk);auto distances = raft::make_device_matrix<float, int64_t>(dev_resources, n_queries, topk);ivf_flat::search_params search_params;search_params.n_probes = 50;ivf_flat::search(dev_resources, search_params, index, raft::make_const_mdspan(queries.view()), neighbors.view(), distances.view()); |
在这里，您可以搜索k=10每个查询的近邻。参数 n_probes 会告知您每个查询要搜索(或探测)的簇数量，并确定搜索的准确性。
仅通过测试 n_probes 对于每个查询的簇，您可以省略分配给簇的一些近邻，簇的中心距离查询点更远。搜索质量通常以召回率，这是实际最近 k 近邻在所有返回近邻中的百分比。
在内部，搜索分两个步骤执行(图 2)：
- 粗略搜索选择 n_probes 每个查询的附近簇。
- 精细搜索将查询向量与选定簇中的所有数据集向量进行比较。
粗略搜索
粗略搜索使用簇中心和查询向量之间的精确 kNN 搜索完成。选择最近的簇中心，n_探针簇粗略搜索相对便宜，因为簇数量远小于数据集大小(例如，1 亿个向量的簇数量为 1 万个)。
精细搜索
对于 IVF-Flat，精细搜索也是精确搜索。但每个查询都有自己的一组要搜索(要探测)的簇，并且计算查询向量与被探测簇中所有向量之间的距离。
对于小批量，您在查询点周围搜索的区域不会重叠。因此，问题结构变为批量矩阵向量乘法 (GEMV) 运算。此运算受内存带宽限制，GPU 显存的大带宽大大加速了此步骤。
选中每个探测簇的 top-k 近邻，结果是n_probes=k 个候选近邻这简化为 k 个最近的近邻。
调整索引构建参数
在前面的部分中，您概述了索引构建和搜索。下面详细介绍了如何设置索引构建的参数。
索引构建包含两个阶段：
- 训练或计算簇（构建）：平衡的分层 k-means 算法会对训练数据进行聚类。
- 将数据集向量添加到索引(扩展)：将数据集向量分配给其簇，并将其添加到相应簇的向量列表中。
簇数量
我们n_listsparameter 对训练和搜索期间的整体性能有着深远的影响：它定义了索引数据所划分的簇数量。设置n_lists=sqrt (n_samples)是一个很好的起点(n_samples，是数据集中的向量数)。
为确保高效利用 GPU 资源，簇的平均大小(即n_samples/n_lists)应在至少 1K 个向量的范围内，以保持单个流多处理器 (SM) 的繁忙状态。
使用自动数据子采样构建索引
K-means 聚类是计算密集型的。为加速索引构建，请对数据集进行子采样。使用参数kmeans_trainset_fraction=0.1 这意味着您将十分之一的数据集用于训练簇中心。
build_params = ivf_flat.IndexParams( n_lists=1024, metric="sqeuclidean", kmeans_trainset_fraction=0.1, kmeans_n_iters=20 ) |
在训练期间，参数 kmeans_n_iters 将直接传递给 k-means 算法。将其设置为适用于大多数数据集的合理默认值 20.但是，此参数只是聚类算法的建议。在幕后，它通常在“平衡”阶段执行更多迭代，以确保簇具有相似的大小。
使用用于聚类的特定训练数据构建索引
在前面的示例中，只需调用ivf_flat.build执行聚类并将整个数据集添加到索引中。或者，您可以调用ivf_flat.build无需将向量添加到索引中即可训练向量(通过设置add_data_on_build=False).这允许精确控制用于训练索引的向量。随后，ivf_flat.extend可用于向索引中添加向量。
如下 Python 代码示例所示：
n_train = 10000train_set = dataset[cp.random.choice(dataset.shape[0], n_train, replace=False),:]build_params = ivf_flat.IndexParams( n_lists=1024, metric="sqeuclidean", kmeans_trainset_fraction=1, kmeans_n_iters=20, add_data_on_build=False )index = ivf_flat.build(build_params, train_set)ivf_flat.extend(index, dataset, cp.arange(dataset.shape[0], dtype=cp.int64)) |
数据集向量只需调用ivf_flat.extend.在内部，如果需要减少内存消耗，则对数据进行批量处理。相应的 C++代码如下所示：
index_params.add_data_on_build = false;// Sub sample the dataset to create trainset.// ...// Run k-means clustering using the training setauto index = ivf_flat::build(dev_resources, index_params, raft::make_const_mdspan(trainset.view()));// Fill the index with the dataset vectorsindex = ivf_flat::extend(dev_resources, raft::make_const_mdspan(dataset.view()), std::optional<raft::device_vector_view<const int64_t, int64_t>>(), index); |
向索引中添加新向量
可以通过调用ivf_flat.extend.默认情况下，增加向量列表的成本将通过在增加列表大小时分配额外空间来抵消。C++API 用户可以通过设置以下参数来更改此行为：
index_params.conservative_memory_allocation = true; |
如果聚类数量较大且预计不会经常添加向量，则此操作会非常有用。
默认情况下，当您向数据集添加向量时，簇中心不会发生变化。adaptive_centers，如果您希望簇中心随新数据移动，则可以在索引构建期间启用标志。
调整搜索参数
以下是设置搜索参数的方法：高效使用 GPU 资源并增加 n_probes。
GPU 资源
在搜索过程中，您需要创建内部工作空间内存。我们建议使用池化分配器来减少内存分配用度。
构建 RAFT资源对象非常耗时。资源应通过向搜索函数传递资源句柄来重复使用对象。在 Python 中，您可以通过以下方式配置设备资源和内存池：
from pylibraft.common import DeviceResourcesimport rmmmr = rmm.mr.PoolMemoryResource( rmm.mr.CudaMemoryResource(), initial_pool_size=2**30)rmm.mr.set_current_device_resource(mr)handle = DeviceResources()search_params = ivf_flat.SearchParams(n_probes=50)distances, indices = ivf_flat.search(search_params, index, queries, k=10, handle=handle)handle.sync() |
C++API 的用户必须始终传递显式 device_resources 句柄，并且应在单独调用之间重复使用此句柄进行搜索。可以通过以下方式设置池分配器：
raft::device_resources dev_resources;raft::resource::set_workspace_to_pool_resource( dev_resources, 2 * 1024 * 1024 * 1024ull);ivf_flat::search(dev_resources, ...) |
C++ 用户可以为临时工作空间数组指定一个单独的分配器，这在前面的示例中已经使用过。全局分配器（用于创建输入/输出数组）可以使用 rmm::mr::set_current_device_resource。
探针数量
比率n_探针/n_lists表示与每个查询相比，数据集所占比例。距离计算的数量减少到n_探针/n_簇是暴力搜索计算量的一小部分。搜索质量以及计算时间会随着您的增加而增加 n_probes 正确的值取决于数据集。
在图 3 和图 4 中，您可以观察到吞吐量（每秒查询次数）和搜索精度（召回次数）如何依赖于探针的数量。在这里，您正在使用 DEEP1B 数据集 并使用 H100 GPU 进行搜索。
吞吐量与探针的数量成反比。数据集分为 10 万个簇。仅搜索每个查询中最近的 100 个簇会导致 96%的召回，搜索 1000 个簇(占数据集的 1%)会导致 99.8%的准确性。
我们通常会将这些图形组合到单个 QPS 与召回图中(图 5)。当您想要紧凑地权衡准确性和搜索吞吐量时，这很有用。在比较不同的 ANN 方法时，这也很有用。
如果n_lists==n_probes 这就像精确(强力)搜索：您将所有数据集向量与所有查询向量进行比较。在这种情况下，您预计召回次数等于 1 (除了小的舍入误差)。
作为 n_probes 方法n_lists、IVF-Flat 由于算法所做的额外工作(粗略加精细搜索)，速度比强力慢。在实践中，搜索大约 0.1-1%的列表足以处理许多数据集。但这取决于输入的聚类效果。
由于 高维空间中距离度量的惊人行为，如果数据集没有结构（例如，统一随机数），聚类会变得困难。在这种情况下，IVF 方法的效果不佳。
性能
RAFT 库可快速实施 IVF-Flat 算法。索引 1 亿个向量可在一分钟内完成(图 6)。这比使用 CPU 快 14 倍。
我们在 NVIDIA H100 SXM GPU (使用 RAFT 23.10 进行 GPU 测试)和 Intel Xeon Platinum 8480CL CPU 上执行了FAISS 1.7.4 的测量。
实现这种加速有两个主要因素：
- GPU 的高计算吞吐量：RAFT 利用 Tensor Core 在索引构建期间加速 k-means 聚类。
- 改进的算法：RAFT 使用平衡的分层 k-means 聚类，即使数据集的向量数量达到数亿，也能高效地进行聚类。
您还可以观察到，构建索引的时间随向量数量线性增加，随聚类数量线性增加。
GPU 的高内存吞吐量有助于搜索索引。RAFT 的 IVF-Flat 索引使用优化的内存布局。向量交错以进行向量化内存访问，以确保在遍历每个探测簇中的数据集向量时实现高带宽利用率。
精细搜索过程中的另一个重要步骤是过滤掉前 k 个候选项。我们有高度优化的方法来选择前 k 个候选项。我们将优化的 block-select-k 内核融合到距离计算内核中。如图 7 所示，与 CPU 实现的性能相比，这可以将 RAFT IVF-Flat 的速度提高 20 倍以上（回顾值=0.95）。
在此基准测试中，我们使用了 FAISS IVF-Flat 的 CPU 实现。FAISS 还提供了此算法的 GPU 实现。如果您使用 FAISS，则只需对代码进行细微更改即可从 GPU 加速中受益。我们正在与 Meta 合作，将 RAFT 的性能改进引入 FAISS，因此您很快也可以通过 FAISS 使用 RAFT.
总结
在大型数据库中执行向量搜索时，务必要注意精确搜索的高昂成本，因为这会导致不适合在线服务的低延迟。
RAPIDS RAFT 库提供了高效的算法，通过将搜索集中到数据集中最相关的部分，以提高向量搜索的延迟和吞吐量。本文讨论了 RAFT IVF-Flat 算法的工作原理，以及如何设置索引构建和搜索的参数。最后，我们提供了基准测试，以强调 GPU 在 IVF – Flat 搜索中的卓越性能。您可以使用我们的基准测试工具。
RAFT 是一个用于向量搜索等功能的 开源库。它提供了易于使用的 C++ 和 Python API，因此您可以将 GPU 加速的向量搜索集成到您的应用中。我们期待听到您的反馈！请在 GitHub 存储库 中向我们发送问题并报告。您也可以在 @rapidsai 上联系我们。
