VectorChord: PostgreSQL 向量相似度搜索

使用 VectorChord，可以在 PostgreSQL 中进行可扩展、快速且对磁盘友好的向量搜索，是 pgvecto.rs 的继任者。

借助 VectorChord，在一台配备 4 个 vCPU 和 32GB 内存的云服务器实例上，您可以轻松托管 1 亿个 768 维向量（250GB+ 数据量）。

说明

VectorChord 是 pgvecto.rs 的继任者，具有更出色的稳定性和性能。它是一款 PostgreSQL 扩展，专为可扩展、高性能且磁盘高效的向量相似度搜索而设计。

通过 VectorChord，仅需 1 美元即可存储 40 万个向量，大幅节省成本：在相同价格下，存储的向量数量是 Pinecone 优化存储的 6 倍，是 pgvector/pgvecto.rs 的 26 倍。

核心特性

相比 pgvecto.rs 和 pgvector，VectorChord 带来了显著增强：

• ⚡ 性能提升：查询速度最高提升 5 倍，插入吞吐量提升 16 倍，索引构建速度提升 16 倍，远超 pgvector 的 HNSW 实现。
• 💰 经济高效的向量搜索：仅需 32GB 内存即可查询 1 亿个 768 维向量，P50 延迟低至 35ms，同时保证 top10 召回率达 95%，在维持高搜索质量的同时降低基础设施成本。
• 🔌 无缝集成：完全兼容 pgvector 的数据类型和语法，且提供开箱即用的优化默认配置，无需手动调参，直接替换 VectorChord 即可获得性能提升。
• 🔧 加速索引构建：利用 IVF 技术在外部（如 GPU 上）构建索引，实现更快的 KMeans 聚类；结合 RaBitQ 压缩算法，在高效存储向量的同时，通过自主重排序保证搜索质量。
• 📏 长向量支持：支持存储和搜索高达 60,000 维的向量，轻松适配 text-embedding-3-large 等高性能高维模型。
• 🌐 弹性扩展：基于横向扩展架构，500 万/1 亿个 768 维向量的查询场景可轻松扩展至 10,000+ QPS，且 top10 召回率达 90%，成本更具竞争力。
• 🏭 生产级验证：已部署于关键业务环境，在生产中可靠处理 30 亿+ 向量，性能稳定。

快速开始

连接数据库并使用

通过psql命令行工具连接数据库（默认用户名：postgres，默认密码：mysecretpassword）：

psql -h localhost -p 5432 -U postgres

VectorChord 依赖 pgvector（包括向量表示方式），可直接使用相关功能，应用迁移零成本！

示例操作

1. 启用扩展：

CREATE EXTENSION IF NOT EXISTS vchord CASCADE;

2. 创建含向量列的表，并插入数据（类似 pgvector）：

CREATE TABLE items (id bigserial PRIMARY KEY, embedding vector(3));
INSERT INTO items (embedding) SELECT ARRAY[random(), random(), random()]::real[] FROM generate_series(1, 1000);

3. 创建vchordrq索引：

CREATE INDEX ON items USING vchordrq (embedding vector_l2_ops);

4. 执行向量搜索（使用SELECT ... ORDER BY ... LIMIT ...语法）：

SELECT * FROM items ORDER BY embedding <-> '[3,1,2]' LIMIT 5;

参考

VectorChord：https://github.com/tensorchord/VectorChord