研究與評測
Tiger Data 開源 PostgreSQL 擴充套件 pg_vectorsearch:PRISM 索引將 1 億向量建構耗時縮短至 100 分鐘
AI 前線單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據
Tiger Data(前身為 Timescale)在 GitHub 開源發布向量相似性搜尋擴充套件 pg_vectorsearch,目前處於 Alpha 階段,原有的 pgvectorscale 擴充套件則計劃轉入維護模式。該套件引入全新的 PRISM 索引架構,採用資料分區、分層分群與 RaBitQ 量化壓縮技術;相較於 pgvector 的 HNSW 圖演算法,PRISM 將相似向量分組至分區並高密度封裝在資料庫分頁中,以循序掃描取代隨機記憶體或磁碟存取,並在分區邊界複製向量以維持召回率。
根據官方公布的內部基準測試,在 1 億個向量與評估前 10 位召回率的條件下,PRISM 在 128 GB 記憶體規格下僅需 1 小時 40 分鐘即完成索引建置;而採用 pgvector 16 位元 halfvec 的 HNSW 在 512 GB 記憶體機器上則需耗時 42 小時。不過該項測試數據尚未經過獨立第三方驗證。
在相容性與使用限制方面,pg_vectorsearch 相容現有 pgvector 欄位,但最低要求 PostgreSQL 18 版本,最高支援 1,968 維度向量。目前增量重平衡機制尚未完全實作,新向量寫入時分群中心不會自動位移,資料頻繁變動需重建索引;此外,在正式版本推出前,該索引尚無法支援結合 WHERE 與 ORDER BY 的條件過濾檢索。
讀原始報導