I
Member
HNSW 的常用参数里,M 决定每节点的连接数(影响内存与图连通性),efConstruction 影响建图质量,efSearch 影响查询时探索的候选规模。调参时只盯 QPS 很容易把召回率悄悄压低。
推荐实验设计:
1) 准备带 ground truth 的查询集(用暴力精确检索算出真实 top-k),固定 k(如 10)。
2) 固定 M 与 efConstruction,扫 efSearch(如 32/64/128/256),每档记录 Recall@10、p95 查询延迟、QPS 与内存占用。
3) 再扫 M(如 16/32/64),观察内存与建图时间变化。M 增大通常提升召回上限,但索引更大、构建更慢。
4) 画「Recall - 延迟」曲线,在业务可接受的召回下限上选最快的点,而不是取默认参数。
几个容易忽略的点:
- 过滤条件(metadata filter)会显著影响图遍历效率,必须带真实过滤条件测,纯无过滤的 QPS 偏乐观。
- 数据规模变化后要重测。十万条与千万条的最优 efSearch 不同。
- 插入/删除频繁的场景要测增量构建后的召回衰减,必要时定期重建索引。
- 向量维度、归一化方式与距离度量必须和 embedding 模型匹配,换了模型要重建索引。
记录模板:数据量、维度、距离度量、M / efConstruction / efSearch、过滤条件、机器配置、Recall@k、p95 延迟、索引大小与构建耗时。
结论:向量库参数没有通用最优值。用带 ground truth 的查询集画召回-延迟曲线,是唯一可复核的调法。
推荐实验设计:
1) 准备带 ground truth 的查询集(用暴力精确检索算出真实 top-k),固定 k(如 10)。
2) 固定 M 与 efConstruction,扫 efSearch(如 32/64/128/256),每档记录 Recall@10、p95 查询延迟、QPS 与内存占用。
3) 再扫 M(如 16/32/64),观察内存与建图时间变化。M 增大通常提升召回上限,但索引更大、构建更慢。
4) 画「Recall - 延迟」曲线,在业务可接受的召回下限上选最快的点,而不是取默认参数。
几个容易忽略的点:
- 过滤条件(metadata filter)会显著影响图遍历效率,必须带真实过滤条件测,纯无过滤的 QPS 偏乐观。
- 数据规模变化后要重测。十万条与千万条的最优 efSearch 不同。
- 插入/删除频繁的场景要测增量构建后的召回衰减,必要时定期重建索引。
- 向量维度、归一化方式与距离度量必须和 embedding 模型匹配,换了模型要重建索引。
记录模板:数据量、维度、距离度量、M / efConstruction / efSearch、过滤条件、机器配置、Recall@k、p95 延迟、索引大小与构建耗时。
结论:向量库参数没有通用最优值。用带 ground truth 的查询集画召回-延迟曲线,是唯一可复核的调法。

