TiDB 向量能力上手指南
作者： MrSylar 原文来源： https://tidb.net/blog/41420212
Preface
TiDB v8.4(DMR) 版本开始提供向量搜索的实验特性，其向量能力基于 tiflash 构建。向量数据类型 vector 向量最大支持 16383 维， 向量搜索索引类型支持 HNSW (Hierarchical Navigable Small World) 。本文使用 TiDB v8.5.2 版本。
使用基础
创建向量索引
TiDB支持两种方式创建向量索引：
1）随建表对向量类型 vector 列创建 HNSW 索引
sql CREATE TABLE foo ( id INT PRIMARY KEY, embedding VECTOR(5), VECTOR INDEX idx_embedding ((VEC_COSINE_DISTANCE(embedding))) );2）建表后对向量类型 vector 列创建 HNSW 索引
sql CREATE VECTOR INDEX idx_embedding ON foo ((VEC_COSINE_DISTANCE(embedding))); ALTER TABLE foo ADD VECTOR INDEX idx_embedding ((VEC_COSINE_DISTANCE(embedding))); -- 你也可以显式指定 "USING HNSW" 使用 HNSW 构建向量搜索索引 CREATE VECTOR INDEX idx_embedding ON foo ((VEC_COSINE_DISTANCE(embedding))) USING HNSW; ALTER TABLE foo ADD VECTOR INDEX idx_embedding ((VEC_COSINE_DISTANCE(embedding))) USING HNSW; -- 查看索引构建进度 SELECT * FROM INFORMATION_SCHEMA.TIFLASH_INDEXES; 通过字段 ROWS_STABLE_INDEXED 和 ROWS_STABLE_NOT_INDEXED 列查看索引构建进度，当 ROWS_STABLE_NOT_INDEXED 变为 0 时，表示索引构建完成使用向量索引
TiDB 支持 SQL 和 Python SDK 两种方式使用向量搜索功能，其中 SQL 方式通过 ORDER BY ... LIMIT 子句来使用向量搜索索引，示例所示：
SQL
SELECT *FROM foo ORDER BY VEC_COSINE_DISTANCE(embedding, '[1, 2, 3, 4, 5]') LIMIT 10性能测试
VectorDBBench 是一款对向量数据库进行基准性能和容量测试的工具，
[VectorDBBbench 项目地址]( https://github.com/zilliztech/VectorDBBench "VectorDBBbench github")，测试结果的指标中主要关注包括 qps、recall（召回率）、响应时间等。本文采用 5 台服务器做了初步性能测试，数据集 dataset 采用 biaosq_10m,向量维度1024维，服务器角色分配如下：
| 服务器 | 角色 | | ----------- | ----------- | | Server1 | tidb、tikv、pd | | Server2 | tidb、tikv、pd | | Server3 | tidb、tikv、pd | | Server4 | tiflash | | Server5 | tiflash | | Server6 | vectordbbench、haproxy |性能测试结果（仅供参考，未尝试任何优化）如下：
|TiFlash 实例数量| QPS | latency(p99) |Recall | |-----------| ----------- | ----------- |------- | |1 | 108 | 0.0694 |0.9256| |2 | 45 | 0.1514 | 0.9558 |\
业界产品性能可以参考 [VectorDB leader board]( https://zilliz.com/vdbbench-leaderboard?dataset=vectorSearch )
展望
本次测试中，向量的功能和性能已经基本满足业务使用。当然对比同类产品，也客观存在一些不足，例如 ivf 向量索引、混合搜索、向量内存管理等还不支持。通过线下交流了解到，TiDB 团队正紧锣密鼓深耕向量存储、检索效率及生态适配等核心方向，很快将推出集成更多实用功能、性能进一步优化的新版本，值得期待。