背景
本文介绍一种叫做DiskANN的磁盘索引算法，它基于Vamana graph，DiskANN在大数据集上搜索非常有效。
为了提高查询性能，我们可以为每个向量字段设置特定的索引类型。
注意：当前，一个向量字段仅仅支持一个索引类型，milvus会在切换新的索引类型的时候自动删除旧的索引类型。
前置条件
如果使用DiskANN,请注意：
- DiskANN默认是开启的，如果我们倾向于选择内存索引而不是磁盘索引，建议我们禁用该功能来获得更好的性能
- 禁用：我们可以修改milvus的配置文件的配置项： queryNode.enableDisk为false
- 启用：设置 queryNode.enableDisk 为true
- milvus实例运行在Ubuntu 18.04.6或者更高的版本上
- 为了更好的性能，milvus数据路径应该挂载到 NVMe SSD
- 如果milvus是独立部署，容器里面运行的milvus实例的数据路径应该配置为：/var/lib/milvus/data
- 如果milvus是集群部署，容器里面运行的QueryNodes和IndexNodes的数据路径应该配置为：/var/lib/milvus/data
限制
为了使用DiskANN,需要确保：
- 只能使用浮点数向量，并且我们的向量至少是一维的。
- 只能使用欧几里得距离（L2）或者内积（IP）来计算向量之间的距离
索引和查询设置
- 索引构建参数
- 当构建DiskANN索引，使用 DISKANN作为索引类型，不需要其他任何的索引参数
- 查询参数
-
Parameter Description Range search_list候选列表的大小，数字越大召回率越高相对性能就会降低
[topk, int32_max]
DiskANN相关的milvus配置
DiskANN是可以调整的，我们可以通过修改${MILVUS_ROOT_PATH}/configs/milvus.yaml里面的DiskANN相关的参数来提高它的性能：
...
DiskIndex:
MaxDegree: 56
SearchListSize: 100
PQCodeBugetGBRatio: 0.125
SearchCacheBudgetGBRatio: 0.125
BeamWidthRatio: 4.0
...
| Parameter | Description | Value Range | Default Value |
|---|---|---|---|
MaxDegree |
Vamana graph的最大限度，更大的值能提高更多的召回率，但是也增加索引的大小和索引构建的时间 |
[1, 512] | 56 |
SearchListSize |
候选列表的大小，更大的值会增加索引构建的时间，但是提高了更高的召回率。设置它的值小于 |
[1, int32_max] | 100 |
PQCodeBugetGBRatio |
PQ code的大小限制。更大的值提供了更高的召回率，但是增加了内存的使用 |
(0.0, 0.25] | 0.125 |
SearchCacheBudgetGBRatio |
缓存节点数与原始数据的比率，更大的值提高索引构建的性能，同时增加了内存的使用 |
[0.0, 0.3) | 0.10 |
BeamWidthRatio |
每次查询最大的IO请求和CPU个数之间的比例 |
[1, max(128 / CPU number, 16)] | 4.0 |
问题解决
- 怎么去解决 io_setup() failed; returned -11, errno=11:Resource temporarily unavailable 错误？
- Linux内核提供了异步非阻塞IO(AIO)特性，它允许进程在不等待它们完成的情况下同时初始化多个I/O操作，这有助于提高计算和I/O叠加的应用程序的性能。
- 可以在 proc系统文件 /proc/sys/fs/aio-max-nr 来调整此性能，aio-max-nr参数决定了并发请求的最大可允许数量，默认情况下，aio-max-nr值是65535，我们可以设置到10485760.