3. mcVS介绍

3.1. 向量数据

人工智能算法可以将物理世界的人/物/场景所产生的各种非结构化数据（如语音、图片、视频、语言文字、行为等）进行抽象，变成多维度的向量。这些向量如同数学空间中的坐标，标识了各个实体和实体关系。非结构化检索则是对这些生成的向量进行搜索，从而找到对应实体或者近似实体的过程。

../_images/intro_vector_indexing.png — 图 3.1 向量索引

3.2. 向量索引

3.2.1. 支持GPU加速的索引

mcVS继承了cuVS向量索引在GPU上的实现，在MXMACA上提供了多种向量索引，包括：Brute Force、IVFFlat、IVFPQ和CAGRA。

3.2.2. 选择索引的建议

选择向量索引时需要综合考虑数据集规模、硬件资源、精度要求和性能需求等因素： * 对于小规模数据集，直接使用Brute Force暴力搜索最为简单高效，能保证100%召回率且无需调参； * 中等规模数据集则可以推荐使用IVFFlat，通过调整聚类数量 n_list 和探测数量 n_probe 来平衡搜索速度和召回率； * 当内存受限且需要处理大规模数据时，IVFPQ通过乘积量化大幅压缩内存占用，但需注意有损压缩带来的精度损失，可通过精炼重排策略弥补；

实际应用中，建议根据具体场景先在小数据集上测试不同索引的表现，再结合实际业务指标（延迟要求、内存限制、召回率目标）做出最终选择。

3.3. 向量间的距离

mcVS支持多种距离度量，并提供 pairwise_distance 方法来计算两个向量间的距离。提供的距离度量如下：

Euclidean: 欧氏距离，空间直线距离
Cityblock: 曼哈顿/街区距离
Chebyshev: 切比雪夫距离，最大坐标差
Canberrac: 堪培拉距离
Correlationc: 皮尔逊相关系数距离
Hamming: 汉明距离，不同位数的比例
JensenShannon: JS散度，概率分布对称距离
RussellRao: 罗素-拉奥距离
Cosine: 余弦距离
Minkowski: 平方欧氏距离
SqEuclidean: 平方欧氏距离
InnerProduct: 内积距离

mcVS计算两个向量间的距离示例：

import cupy as cp
from cuvs.distance import pairwise_distance

n_samples = 5000
n_features = 50
in1 = cp.random.random_sample((n_samples, n_features),
                              dtype=cp.float32)
in2 = cp.random.random_sample((n_samples, n_features),
                              dtype=cp.float32)
output = pairwise_distance(in1, in2, metric="euclidean")