zzHNSW和Faiss和Annoy的对比

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：

1. 查询速度（毫秒/查询）
2. HNSW：0.8ms
3. Faiss：1.2ms
4. Annoy：2.5ms
5. 召回率（Top-100）
6. HNSW：0.95
7. Faiss：0.85
8. Annoy：0.82
9. 内存占用（相对值）
10. HNSW：1.5x
11. Faiss：1.0x
12. Annoy：1.2x

特性对比

1. 索引构建速度
2. HNSW：较慢
3. Faiss：快（尤其是GPU版本）
4. Annoy：中等
5. 增量更新支持
6. HNSW：支持
7. Faiss：部分索引类型支持
8. Annoy：不支持
9. 并行处理
10. HNSW：支持多线程
11. Faiss：支持多线程和GPU
12. Annoy：支持多线程
13. 持久化支持
14. HNSW：需要额外实现
15. Faiss：支持
16. 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