跳到正文
原文
Weaviate • vector database(@weaviate_io)· Weaviate AI Database (@weaviate_io)·· 2026-09-09AI 评估 · 28/100分数表示内容值得关注的程度,依据实质份量、信息增量、证据强度、读者相关性和可用性,按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误,评分不代表事实已被核实,也不同于热点榜的讨论热度。

最快的向量索引总是对的吗?Weaviate 对比 HNSW 与磁盘索引 HFresh

Is the fastest vector index always the right vector index? HNSW is difficult to beat when an applic...

AI 导读

Weaviate 介绍其磁盘向量索引 HFresh:用紧凑 HNSW 索引将查询路由到最相关的质心,再检索存于磁盘的压缩倒排数据。其中 RQ8 让质心向量缩小约 4 倍,RQ1 使存储的倒排向量数据较 32 位浮点最多减少 32 倍,后台拆分、合并与重分配操作让索引持续保持平衡。它面向更低堆内存占用、可控查询 I/O 和大型可变数据集,无需周期性全量重建;追求峰值查询性能仍应选 HNSW。

来源:Weaviate • vector database(@weaviate_io) · x.com