https://zhuanlan.zhihu.com/p/29758280292
从HNSW到Faiss：主流向量检索算法深度对比
性能对比
让我们用实际数据说话。以下是在100万个128维向量上的测试结果：
- 查询速度（毫秒/查询）
- HNSW：0.8ms
- Faiss：1.2ms
- Annoy：2.5ms
- 召回率（Top-100）
- HNSW：0.95
- Faiss：0.85
- Annoy：0.82
- 内存占用（相对值）
- HNSW：1.5x
- Faiss：1.0x
- Annoy：1.2x
特性对比
- 索引构建速度
- HNSW：较慢
- Faiss：快（尤其是GPU版本）
- Annoy：中等
- 增量更新支持
- HNSW：支持
- Faiss：部分索引类型支持
- Annoy：不支持
- 并行处理
- HNSW：支持多线程
- Faiss：支持多线程和GPU
- Annoy：支持多线程
- 持久化支持
- HNSW：需要额外实现
- Faiss：支持
- Annoy：原生支持
实战选型指南
场景一：亿级图像检索
- 推荐算法：Faiss
- 原因：
- 支持GPU加速
- 内存占用可控
- 批量处理性能好
场景二：中等规模商品推荐
- 推荐算法：HNSW
- 原因：
- 精度最高
- 支持实时更新
- 速度快
场景三：音乐推荐
- 推荐算法：Annoy
- 原因：
- 可以离线构建索引
- 内存占用稳定
- 实现简单
还有另外一篇：
https://blog.csdn.net/Instrulink/article/details/155631473
向量索引到底怎么选？HNSW、ANNOY、FLAT全面对比实测结果曝光