Faiss

定义

Faiss(Facebook AI Similarity Search)是 Meta AI 研究院于 2017 年开源的向量相似度搜索与聚类库,以 C++ 实现并提供 Python 接口,解决"在数十亿高维向量中快速找出与查询向量最相近的若干条"这一问题。

原理

Faiss 提供一系列可组合的索引结构:Flat(暴力精确检索)、IVF(倒排文件,先聚类分桶再只搜近邻桶)、PQ(乘积量化,把向量压缩为短编码以省内存)、HNSW(图索引)等,常见组合如 IVF+PQ 在精度、速度与内存间折中。多数索引支持 GPU 加速,批量检索吞吐远超 CPU。

应用

Faiss 广泛用于以图搜图、推荐召回、语义搜索,以及大模型时代 RAG(检索增强生成)的向量召回层;Milvus 等向量数据库的部分索引实现也构建或参考自 Faiss。

定位

它是嵌入式库而非数据库,不负责持久化、过滤与分布式,这些由上层向量数据库补齐。