向量库面试题

1. 基础概念（共15题）

1. 什么是向量数据库？它解决了什么问题？

向量数据库（Vector Database）是一种专门用于存储、索引和检索高维向量数据的数据库系统，通常用于处理非结构化数据的相似度搜索问题，如图像、文本、音频或视频的表示向量（embedding）。

传统数据库不适合用来进行高维向量之间的相似度搜索，而这是很多 AI 应用的核心需求，比如：

应用场景	需要解决的问题
文本检索（RAG）	找到与用户问题语义最相近的文档片段
图像检索	找到相似风格或内容的图片
推荐系统	为用户推荐兴趣相似的内容或产品
人脸识别	找到与某张人脸最相似的其他人脸图像
多模态搜索	用一句话检索一张对应的图像

这些都要求在一个海量的向量集合中快速找到“最相近”的向量，即最近邻搜索（Nearest Neighbor Search）。

向量数据库和传统关系型数据库的最大区别是什么？

向量数据库与传统关系型数据库（如 MySQL、PostgreSQL）在设计目标、数据类型、查询方式和底层实现上存在本质区别。以下是它们最大的区别及核心对比：

最大区别：数据类型与查询方式

项目	向量数据库	关系型数据库
主要数据类型	高维向量（如 512 维、1024 维 float 数组）	表格结构化数据（字符串、数字、日期等）
查询目标	找出“相似”的向量（最近邻搜索）	精确匹配或范围查找（=、<、>、LIKE 等）
查询语义	相似度检索（Approximate Nearest Neighbor，ANN）	精确匹配查询（SQL 语句）

举例：

任务	向量数据库做的事	关系型数据库做的事
文本检索	给一个句子，找出语义最相似的文本段落	通过关键词或字段筛选满足条件的记录
图像搜索	上传一张猫的图片，找出最像猫的其他图片	不支持此类搜索
人脸识别	给定一个人脸向量，找出最相似的面孔	无法处理此类相似性问题

其他重要区别对比

维度	向量数据库	关系型数据库
核心算法	HNSW、IVF、PQ 等 ANN 算法	B+ 树、哈希索引等
典型用途	图像/文本/音频/多模态相似搜索、RAG、推荐系统、人脸识别	电商订单、用户表、财务数据、ERP 系统等
数据规模适应性	支持亿级高维向量搜索	适用于百万级结构化记录处理
查询语言	API 调用（部分支持 SQL-like）	标准 SQL
存储结构	向量+元数据（embedding + metadata）	结构化表格字段
一致性要求	允许近似查询（ANN）以换取性能	高一致性事务保障（ACID）

总结一句话：

向量数据库适合处理“模糊相似”的非结构化数据搜索问题，而关系型数据库适合处理“精确匹配”的结构化数据查询。

什么是向量？向量如何表达文本/图像/音频等数据？
高维向量与低维向量的特点有何不同？
什么是“相似性搜索”？它与精确匹配有何区别？
什么是向量空间模型（VSM）？
如何将文本数据转化为向量？
词向量和句向量的区别是什么？
什么是高维空间的“维度灾难”？
为什么常使用浮点型向量而非整数？
向量之间的相似性如何量化？
什么是稠密向量和稀疏向量？
向量数据库如何支持多模态数据？
向量数据库是否支持布尔查询或范围查询？
什么是“嵌入”（Embedding）？如何生成它？

2. 相似性搜索算法（共15题）

什么是K近邻（KNN）搜索？
什么是近似最近邻（ANN）搜索？优点是什么？
欧几里得距离的公式是什么？适用于哪些场景？
余弦相似度是如何计算的？适合什么场景？
点积（Dot Product）与余弦相似度有何联系？
曼哈顿距离和闵可夫斯基距离的区别？
如何在百万级向量中高效查找最相似的10个？
相似性搜索中如何使用批量查询（batch query）？
什么是Top-K搜索？如何提高其效率？
在文本检索中，余弦相似度是否总是优于L2？
向量标准化（normalize）对搜索结果有何影响？
如何评估相似性搜索结果的准确性（Recall@K等）？
什么是倒排索引与向量搜索的组合用法？
ANN 与 Brute-force 检索的速度与准确率对比？
在多模态检索中如何设计相似性函数？

3. 索引结构（共15题）

FAISS 中有哪些主要索引类型？
什么是 HNSW（Hierarchical Navigable Small World）？

33. IVF（Inverted File）索引是如何工作的？

1. **向量聚类**：首先将所有向量通过聚类算法(如k-means)分成多个簇(cluster)
2.  **倒排索引构建**：为每个簇建立一个列表，记录属于该簇的所有向量
3. **搜索过程**：
- 查询时先确定查询向量最接近的几个簇(称为"探针")
- 然后只在这些簇的向量中进行精确或近似搜索

34. 什么是 PQ（Product Quantization）？如何压缩向量？

PQ（Product Quantization，乘积量化） 是一种高效的向量压缩和近似最近邻搜索（Approximate Nearest Neighbor, ANN）方法，常用于大规模向量检索系统中，比如图像检索、NLP、推荐系统等。

PQ 的核心思想是：
将高维向量拆分成若干低维子向量，对每个子向量分别进行独立的量化（即聚类），从而实现高效压缩和快速距离估计。

压缩过程可以分为以下几步：

向量分割

假设原始向量维度为 $D$，我们将其均匀划分为 $M$ 个子向量，每个子向量维度为 $D/M$。

\[\mathbf{x} = [\mathbf{x}_1, \mathbf{x}_2, ..., \mathbf{x}_M] \]

训练码本（Codebook）

对每个子向量集合分别使用 K-means 聚类，训练出 $K$ 个聚类中心（即码本）：

每个子空间都有一个独立的码本。
每个码本的大小决定了压缩精度和存储大小。

编码（Quantization）

将每个子向量替换为其最接近的聚类中心的索引：

\[\mathbf{x}_i \rightarrow q_i \in \{0, 1, ..., K-1\} \]

最终，整个向量被表示为一组索引：$[q₁, q₂, ..., q_M]$。

举个例子

假设有一个 128 维的向量：

划分为 $M = 8$ 个子向量（每个16维）；
每个子空间使用 $K = 256$ 个聚类中心；
每个索引用 1 字节（8 bits）表示；
最终压缩后向量仅占用 8 Bytes。

相比于原始 128维 float 向量（通常是 128×4 = 512 Bytes），压缩率高达 64 倍。

PQ 的优点

优点	说明
压缩率高	显著减少内存占用
距离计算快	可通过查表（lookup table）快速估算向量间距离
可扩展	与倒排索引（IVF）等技术结合效果更佳

PQ 的应用场景

Facebook FAISS：使用 PQ/IVF-PQ 进行高效的向量检索；
大规模推荐系统：压缩向量以节省内存；
图像/文本检索：通过近似距离搜索相似内容。

IVF-PQ 的结构是如何组成的？
Scalar Quantization 和 Product Quantization 有何不同？
什么是 OPQ（Optimized PQ）？
什么是 Flat 索引？适用于哪些场景？
什么是 Annoy？它的原理是什么？
HNSW 与 IVF 哪种更适合低延迟查询？
多段索引结构（Multi-level Index）是如何工作的？
怎么评估一个索引结构的构建时间和搜索性能？
向量数据库中的索引压缩技术有哪些？
图索引（如HNSW）和树索引（如KD-Tree）相比有何优势？
为什么 KD-Tree 不适用于高维向量？

4. 性能优化（共10题）

如何加快向量检索的响应速度？
什么是 Recall / Precision / Latency 在向量库中代表什么？
向量数据库如何进行缓存优化？
如何使用量化技术（PQ/OPQ）来压缩数据？
如何利用GPU加速向量搜索？
查询并发量大时，向量数据库如何扩展？
如何调整索引参数来权衡搜索速度与准确率？
向量数据库中的预热机制（warm-up）是做什么的？
向量插入/删除频繁时如何维持索引的性能？
如何避免“冷启动”问题影响搜索质量？

5. 应用场景（共10题）

向量数据库在推荐系统中如何使用？
如何构建一个图像相似性检索系统？
多语言搜索（跨语言向量检索）是怎么实现的？
如何利用向量搜索做文本去重？
音频指纹识别是否可用向量数据库实现？
如何结合向量库做用户画像匹配？
在知识问答系统中如何使用向量检索？
向量库在金融风控场景下如何应用？
使用向量搜索辅助内容审核有哪些方法？
如何用向量库支持“反向搜索”（given output, find similar input）？

6. 特定数据库系统（共15题）

FAISS 是什么？它的主要应用场景有哪些？
FAISS 中如何选择合适的索引类型？
FAISS 是如何进行批量检索的？
Milvus 是什么？它的整体架构是怎样的？
Milvus 与 FAISS 的对比有哪些？
Milvus 中如何实现索引重建？
Weaviate 是什么？支持哪些语义搜索能力？
Pinecone 的使用门槛高吗？部署方式如何？
Pinecone 如何处理版本管理与回滚？
Qdrant 的特点是什么？
向量数据库与 Elasticsearch 的集成方式有哪些？
如何用 FAISS + Transformers 实现语义搜索？
哪些向量数据库支持云原生部署？适用于哪些公司？
哪些库适合嵌入移动端/边缘设备？
OpenSearch 中如何使用 k-NN 插件做向量检索？

7. 分布式系统与部署（共10题）

向量数据库如何横向扩展（sharding）？
如何确保分布式环境下的查询一致性？
什么是副本复制机制？它如何提高可用性？
向量库在 Kubernetes 上如何部署？
如何监控向量数据库的健康状态？
如何做多租户隔离管理（multi-tenancy）？
如何配置负载均衡以保证向量查询性能？
数据迁移时如何避免索引重建？
向量库如何与云存储（S3/GCS）结合？
在边缘计算场景中部署向量数据库需要考虑什么？

8. 高级话题与趋势（共10题）

什么是 Learned Index？它如何替代传统索引结构？
Faiss 是否适合用于持续向量更新的业务场景？
如何评估语义相似性与向量相似性的关系？
向量数据库如何做 ACL 权限控制？
支持高频更新的向量库该如何设计？
多模态向量如何实现联合检索？
你如何看待“RAG + 向量数据库”在AI中的应用？
向量库和图数据库是否可以融合使用？
下一代向量数据库有哪些值得关注的特性？
你认为未来向量库的发展方向是什么？

posted @ 2025-05-20 21:40 不报异常的空指针阅读(117) 评论(0) 收藏举报

刷新页面返回顶部

jiangweiwang