如何用ANN算法让向量数据库检索更高效？

要我说... 在向量数据库的浩瀚宇宙中，有一种算法，它不走寻常路，它就是——精确最近邻搜索。但你别被“暴力”两个字吓到，它其实不是真·暴力，而是一种**精确到令人发指**的算法。我们今天要讲的， 就是如何用它来优化向量数据库的检索效率，以及它和它的兄弟——近似最近邻算法之间的相爱相杀。

先说说 我们来点实际的，看看这个“暴力”算法到底有多暴力：，何苦呢？

第一步：遍历所有向量，计算欧氏距离

是的，你没看错，我们先从最原始的暴力搜索开始。假设你有10000个向量，那么你就要对每一个向量都算一遍距离，然后选Top-K。这就像你去超市买东西，不看价格，不看品牌，只看心情一样，**一个一个地看**。这就是暴力搜索的浪漫主义精神。

但别急，我们先来点数据：

算法	检索速度	准确度	适用场景

现在我们来点技术细节：

第二步：按距离升序排序

我们先0.0