帮你快速理解、总结文档立即下载
文档中心>云数据库 PostgreSQL>操作指南>插件管理>腾讯云 PostgreSQL pgvector HNSW 性能测试报告

腾讯云 PostgreSQL pgvector HNSW 性能测试报告

最近更新时间：2026-08-11 11:49:30
我的收藏

本页目录：

测试环境

配置项
说明
数据库
RDS PostgreSQL 17
pgvector
0.8.0
实例规格
16 vCPU / 64 GB
客户端
4 vCPU / 8 GB（同 VPC）
测试工具
压测模式
单线程
召回口径
Recall@100

测试数据集

数据集
维度
向量数
距离类型
典型场景
dbpedia-openai-1M
1536
1,000,000
Cosine
OpenAI /大模型 Embedding
NYTimes-256
256
290,000
Cosine
文本相似度检索

测试方法

环境准备

1. 安装 ann-benchmarks
git clone https://github.com/erikbern/ann-benchmarks.git
cd ann-benchmarks
pip install -r requirements.txt
2. 配置数据库连接
编辑 ann_benchmarks/algorithms/pgvector/module.py，添加连接信息：
import os
os.environ['ANN_BENCHMARKS_PG_USER'] = '<用户名>'
os.environ['ANN_BENCHMARKS_PG_PASSWORD'] = '<密码>'
os.environ['ANN_BENCHMARKS_PG_DBNAME'] = '<数据库名>'
os.environ['ANN_BENCHMARKS_PG_HOST'] = '<实例内网地址>'
os.environ['ANN_BENCHMARKS_PG_PORT'] = '5432'
os.environ['ANN_BENCHMARKS_PG_START_SERVICE'] = 'false'
3. 配置测试参数
编辑 ann_benchmarks/algorithms/pgvector/config.yml：
float:
  any:
  - base_args: ['@metric']
    constructor: PGVector
    disabled: false
    docker_tag: ann-benchmarks-pgvector
    module: ann_benchmarks.algorithms.pgvector
    name: pgvector
    run_groups:
      M-16(200):
        arg_groups: [{M: 16, efConstruction: 200}]
        args: {}
        query_args: [[10, 20, 40, 80, 120, 200, 400, 800]]
      M-24(200):
        arg_groups: [{M: 24, efConstruction: 200}]
        args: {}
        query_args: [[10, 20, 40, 80, 120, 200, 400, 800]]
      M-48(256):
        arg_groups: [{M: 48, efConstruction: 256}]
        args: {}
        query_args: [[10, 20, 40, 80, 120, 200, 400, 800]]
4. 构建测试 Docker 镜像
python install.py --algorithm pgvector

执行测试

# dbpedia-openai-1M数据集测试
python run.py --dataset dbpedia-openai-1000k-angular -k 100 --algorithm pgvector --runs 1

# NYTimes-256 数据集测试
python run.py --dataset nytimes-256-angular -k 100 --algorithm pgvector --runs 1

获取结果

# 生成可视化图表
python plot.py --dataset dbpedia-openai-1000k-angular --recompute

# 导出详细 CSV数据
python data_export.py --out results.csv

性能测试结果

dbpedia-openai-1M（1536维 / 100万向量）

场景
索引配置
ef_search
Recall@100
QPS
P99(ms)
高召回
m=24, ef_construction=200
120
99.2%
225
7.2
超高召回
m=48, ef_construction=256
120
99.8%
146
12.3

NYTimes-256（256维 / 29万向量）

场景
索引配置
ef_search
Recall@100
QPS
P99(ms)
高召回
m=24, ef_construction=200
400
89.0%
101
12.7
超高召回
m=24, ef_construction=200
800
93.9%
52
23.6
中国站