面對生成式 AI 帶來的超大規(guī)模向量需求，Redis 8 向量搜索實測輕松支持 10 億向量，依舊保持低延遲與高吞吐表現(xiàn)。本篇文章詳細介紹了 Redis 如何通過 HNSW 算法擴展至十億級別，并提供完整測試配置與性能數(shù)據(jù)。無論是 AI 檢索、推薦系統(tǒng)還是多模態(tài)生成應用，Redis 8 都是你構(gòu)建高效向量服務的可靠選擇。

隨著越來越多的公司把生成式人工智能（GenAI）應用投入生產(chǎn)，我們看到客戶對更大向量數(shù)據(jù)庫的需求不斷增長。我們發(fā)現(xiàn)了一些需要 10 億個或更多向量的使用場景，很高興能分享我們在這一規(guī)模上的基準測試結(jié)果。

在測試中，我們在中位延遲為 200 毫秒的情況下達到了 90% 的精確度，而在處理 50 個并發(fā)搜索請求時，對于前 100 個最近鄰（nearest neighbors），在中位延遲為 1.3 秒的情況下達到了 95% 的精確度。

將向量搜索擴展到 10 億個向量并非易事，但 Redis 8 的發(fā)布讓這一過程顯得輕松。今天，我們將通過展示 Redis 在實時搜索 10 億個 768 維向量時的處理能力，來說明它如何應對大規(guī)模應用程序。我們嚴格測試了索引與搜索的性能，證明了 Redis 不僅是最快的向量數(shù)據(jù)庫，還能從數(shù)百萬個向量擴展到數(shù)十億個向量，仍然提供極低的延遲。請查看下面的詳細信息。

測試配置詳解

我們使用了一個與 Intel? 合作準備的向量數(shù)據(jù)集，該數(shù)據(jù)集包含 10 億個 768 維向量，采用 FLOAT16 精度和 10K 查詢，每個查詢有 100 個真實值（精確鄰居，exact neighbors）。該數(shù)據(jù)集源自LAION-5B 數(shù)據(jù)集，這是一個用于訓練下一代圖生文模型（如 Stable Diffusion 和 OpenClip）的大規(guī)模數(shù)據(jù)集。

向量索引使用了歐幾里得距離度量和 FLOAT16 精度，并且在查詢時通過調(diào)整以下參數(shù)來實現(xiàn)不同的精確度：

EF_CONSTRUCTION（在索引創(chuàng)建時設置）：在構(gòu)建圖時，圖中每個節(jié)點允許的最大潛在出邊（potential outgoing edges candidates）候選數(shù)量。

M（在索引創(chuàng)建時設置）：在圖的每一層中，每個節(jié)點允許的最大出邊數(shù)量。在第零層，最大出邊數(shù)量將是 2M。

EF_RUNTIME（在查詢時可變）：在 KNN 搜索期間要保留的最大頂級候選數(shù)量（maximum top candidates）。更高的 EF_RUNTIME 值將導致更準確的結(jié)果，但也會增加運行時間。

使用數(shù)據(jù)集的 100 個最近鄰的真實值來評估每個回復的準確性（召回率），并且我們對 M 在 4、8、16 和 32 個出邊之間，EF_CONSTRUCTION 在 4、8、16 和 32 之間，以及 EF_RUNTIME 在 4、8、16、32、64、128、256、512、1024、2048、4096 和 8192 之間進行了調(diào)整。為確保結(jié)果可重現(xiàn)，每個配置都運行了 3 次，選擇了最好的結(jié)果。

Redis 8 Community Edition 十億規(guī)模基準測試

數(shù)據(jù)集：laion-img-emb-768-1G-cosine

客戶端數(shù)量：501

繪制值：每秒請求數(shù)（RPS）| 平均延遲（秒）| 95百分位延遲（秒）| 索引時間（秒）

在我們之前的向量數(shù)據(jù)庫基準測試博客中，我們專注于證明 Redis 是最快的向量數(shù)據(jù)庫。現(xiàn)在我們證明，對于需要保持實時性延遲的使用場景，我們不僅是最快的向量數(shù)據(jù)庫，我們還可以將向量數(shù)量從數(shù)百萬擴展到數(shù)十億。

測試結(jié)果

在十億向量規(guī)模下，使用實時索引，Redis 8 社區(qū)版可以維持每秒 66K 向量插入，對于允許至少 95% 精確度（M 16 和 EF_CONSTRUCTION 32）的索引配置。對于導致較低精確度（M 4 和 EF_CONSTRUCTION 4）的索引配置，Redis 8 社區(qū)版可以支持高達每秒 160K 向量插入的速率。通過使用更多服務器可以進一步增加吞吐量。

對于高精確度查詢，我們可以看到更大的 HNSW 索引（更高的 M 和 EF_CONSTRUCT）會提高搜索質(zhì)量，但會增加延遲。在處理 50 個并發(fā)搜索請求時，我們在中位延遲（包括往返時間）為 200 毫秒的情況下達到 90% 精確度，而在中位延遲（包括往返時間）為 1.3 秒的情況下達到 95% 精確度。

由于所需的精確度和延遲權(quán)衡因使用場景而異，因此根據(jù)上面的圖表調(diào)整 HNSW 參數(shù)非常重要。

Redis 8 證明了實時向量搜索不僅適用于數(shù)百萬個向量，還能擴展到數(shù)十億個向量，同時保持高性能。通過正確的 HNSW 調(diào)優(yōu)，你可以在精確度、延遲和吞吐量之間取得平衡，以適應你的使用場景，實現(xiàn)高達 95% 的召回率和實時查詢。無論你是在構(gòu)建人工智能驅(qū)動的搜索、推薦引擎還是任何基于向量的應用程序，Redis 都能為你提供所需的快速、可擴展性能。

“

Redis

艾體寶是Redis企業(yè)版數(shù)據(jù)庫的中國區(qū)戰(zhàn)略合作伙伴，持續(xù)關(guān)注各行業(yè)當下急切需求，專注于為企業(yè)解答疑問，制定專屬服務，提供一站式解決方案，艾體寶提供的Redis企業(yè)版數(shù)據(jù)庫是無數(shù)企業(yè)數(shù)據(jù)安全保護路上的最佳合作選擇！為企業(yè)的數(shù)據(jù)安全保駕護航！

審核編輯 黃宇