企业官网建设流程全解析

两者到底有什么不同？

先给个结论性的对比：

如果用一个比喻来理解：pgvector就像在你的家庭小厨房里加了一台空气炸锅，偶尔炸个薯条完全够用，还不占地方。

Milvus则像一个专业的中央厨房，能同时处理几百桌订单，但你需要单独租场地、雇人、维护设备。

二、它们到底是怎么做向量检索的？

在对比之前，我们先搞懂一个核心问题：向量检索的本质是什么？

向量检索就是在一堆高维空间里的点中，找到离目标点最近的K个点。

如果暴力计算（把所有点都算一遍），数据量一大就慢如蜗牛。

所以，必须用索引来加速——就像书的目录，让你不用翻完整本书就能找到内容。

pgvector和Milvus都采用了两种主流索引：IVF（倒排文件索引）和HNSW（分层导航小世界）。

但它们的实现方式和优化方向完全不同。

2.1 pgvector的索引原理

pgvector直接在PostgreSQL的存储引擎之上增加了一种新的数据类型vector，并利用PostgreSQL的索引接口实现了IVFFlat和HNSW索引。

IVFFlat原理图：

HNSW原理图：

pgvector把这两种索引算法“塞进”了PostgreSQL的B-tree索引框架中。

好处是：你创建索引的语法和普通B-tree几乎一样，PostgreSQL的查询优化器能自动决定是否使用向量索引。

但缺点也很明显——pgvector不能利用多核并行扫描，也无法使用GPU加速，因为PostgreSQL本身不支持这些特性。

2.2 Milvus的索引原理

Milvus是为向量检索从头设计的系统，它的索引层是一个独立的、高度优化的模块。

Milvus整体架构：

Milvus的索引节点可以并行构建索引，查询节点可以并发执行搜索。它支持10+种索引算法，包括：

• HNSW：基于图的索引，查询快，内存占用大
• IVF_FLAT：聚类+全精度，召回率高
• IVF_PQ：乘积量化，内存压缩8-16倍
• GPU索引：利用CUDA加速，延迟可降至亚毫秒级
• DiskANN：磁盘索引，支持百亿级数据

Milvus的HNSW索引查找过程（多线程并行）：