-
题名LSMDiskANN:更新友好型磁盘向量索引框架
- 1
-
-
作者
邱海浪
彭煜玮
彭智勇
-
机构
武汉大学计算机学院
武汉大学大数据研究院
-
出处
《软件学报》
北大核心
2026年第3期1058-1083,共26页
-
基金
国家重点研发计划(2023YFB4503604)。
-
文摘
在大模型时代,向量数据库的广泛应用推动了向量索引规模的急剧膨胀.如何在磁盘级向量索引中高效支持大规模向量的更新操作,并同时提供高性能的查询服务,已成为近年来的重要研究课题.针对当前领先算法FreshDiskANN在查询与更新混合负载场景中面临的查询吞吐瓶颈和极端查询延迟过高等问题,受到日志合并思想在次级索引中成功应用的启发,提出了一种基于LSM(log-structured merge)思想的更新友好型磁盘向量索引框架LSMDiskANN.在继承FreshDiskANN架构的基础上,设计并实现了包含磁盘中间层的3层架构,同时引入了磁盘组件搜索参数的动态确定机制以及面向合并操作删除阶段的重布局算法,从而进一步降低查询延迟和合并过程中的I/O开销.实验结果表明,在多个经典大规模高维向量数据集上,LSMDiskANN系统查询吞吐量最高提升35.5%,更新吞吐量最高提升14.24%,极端查询延迟最多降低73.45%,所提出的框架和策略能够有效提升系统在混合负载场景下的整体性能与稳定性.
-
关键词
向量数据库
磁盘向量索引
动态向量索引
日志合并
-
Keywords
vector database
disk vector index
dynamic vector index
log-structured merge(LSM)
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
