内存-磁盘混合索引（DiskANN）

本文中的“混合索引”特指内存 + 磁盘的存储结构。如果你想了解的是 向量 + 结构化属性混合检索（即文献中的 hybrid search），请参见 属性过滤（混合搜索）；基于 id 的搜索过滤请参见 带过滤的搜索。

在海量向量场景下，将整个图索引放入内存既昂贵又浪费。VSAG 提供的 diskann 索引将：

• **压缩后的向量（PQ）**保留在内存中，用于快速剪枝；
• 完整向量与图结构存储在磁盘，按查询路径异步读取。

从而在有限内存预算下支撑 10 亿级向量的近邻查询。

构建 DiskANN

std::string build_params = R"(
{
    "dtype": "float32",
    "metric_type": "l2",
    "dim": 128,
    "diskann": {
        "max_degree": 32,
        "ef_construction": 400,
        "pq_sample_rate": 0.1,
        "pq_dims": 32,
        "use_async_io": true
    }
}
)";
auto index = vsag::Factory::CreateIndex("diskann", build_params).value();
index->Build(dataset);

完整例子：examples/cpp/102_index_diskann.cpp。

异步 IO（libaio）

Linux 下可在构建参数中开启 use_async_io，搜索路径会通过 libaio 并发发起读请求。 需要在编译时打开 VSAG_ENABLE_LIBAIO=ON（详见 编译构建）。

文件布局

diskann 在磁盘上产生两类文件：

• *.index：图结构；
• *.data：完整精度向量。

反序列化时需要同时可访问这两份数据。

注意事项

• 磁盘介质建议使用 NVMe SSD；HDD 下查询延迟会显著退化。
• 内存中 PQ 的压缩率与精度由 pq_dims 控制，过小会导致召回下降。
• 冷启动时建议对索引文件做预热（随机读几兆）以建立 page cache。
• 当前 DiskANN 不支持在线插入 / 删除；如需增删请重建。