向量检索的性能调优

写入性能优化

• 关闭副本，待数据导入完成后再开启副本，减少副本构建的开销。
• 调整“refresh_interval”为120s或者更大，避免频繁刷新索引生成大量小的segments，同时减少merge带来的向量索引构建开销。
• 适当调大“native.vector.index_threads”的值（默认为4），增加向量索引构建的线程数。

  PUT _cluster/settings
  {
    "persistent": {
      "native.vector.index_threads": 8
    }
  }

查询性能优化

• 在批量导入场景下，数据写入完成后，执行forcemerge操作能有效提升查询效率。

  POST index_name/_forcemerge?max_num_segments=1

• 如果向量索引所需堆外内存超过了熔断线，查询时索引的缓存管理器会控制索引的换进换出，导致查询变慢，此时可适当调大熔断线的配置。

  PUT _cluster/settings
  {
    "persistent": {
      "native.cache.circuit_breaker.cpu.limit": "75%"
    }
  }

• 如果端到端时延明显大于返回结果中的took值，说明查询的fetch阶段开销较大，可通过配置“_source”减小fdt文件的大小，从而降低fetch开销。

  PUT my_index
  {
    "settings": {
      "index": {
        "vector": "true"
      },
      "index.soft_deletes.enabled": false
    },
    "mappings": {
      "_source": {
        "excludes": ["my_vector"]
      },
      "properties": {
        "my_vector": {
          "type": "vector",
          "dimension": 128,
          "indexing": true,
          "algorithm": "GRAPH",
          "metric": "euclidean"
        }
      }
    }
  }