PQ FastScan

pqfs 是 乘积量化 的一个 SIMD 加速变种：将 pq_bits 固定为 4， 并采用专为 AVX-2 / AVX-512 “FastScan” 查表内核设计的内存布局。代价是仅 支持 4 位，但能带来显著更高的距离计算吞吐。

实现：src/quantization/product_quantization/pq_fastscan_quantizer.cpp， 参数文件 pq_fastscan_quantizer_parameter.cpp。

何时使用

• 平台有 AVX-2（最好还有 AVX-512）；FastScan 内核正是选用 pqfs 而非 pq 的主要理由。
• 关注的不只是内存，还有搜索吞吐。
• 4 位子空间码本（每子向量 16 个中心）能满足召回目标——通常配合重排即 可。

如果平台不具备所需的 SIMD 宽度，请回退到普通 pq。

内存代价（仅码）

每向量 ceil(pq_dim / 2) = (pq_dim + 1) / 2 字节——奇数和偶数 pq_dim 都支持（src/quantization/product_quantization/pq_fastscan_quantizer.cpp:41）。 码本：pq_dim × 16 × subspace_dim × 4 字节——因为每子空间只有 16 个中心， 比 8 位 pq 的码本小很多。

参数

在 HGraph 上以 base_pq_dim 暴露（src/algorithm/hgraph.cpp:465-472）。

{
    "dtype": "float32",
    "metric_type": "l2",
    "dim": 128,
    "index_param": {
        "base_quantization_type": "pqfs",
        "base_pq_dim": 32,
        "max_degree": 32,
        "ef_construction": 300,
        "use_reorder": true,
        "precise_quantization_type": "fp16"
    }
}

训练

设置了 NEED_TRAIN。在每子空间训练 16 中心码本；比 pq 的 256 中心训练 更便宜。

度量兼容性

l2、ip、cosine——覆盖与 pq 一致。LUT 布局因度量而异，但由量化器 透明处理。

实践要点

• pq_dim 最好是内核预期 SIMD 批宽的倍数（实现在 AVX-512 上内部使用 32）。拿不准时，选 pq_dim ∈ {32, 64, 96, 128}。
• 相对 pq 的优势是相同召回下的吞吐，而非内存（4 位码本身就小，但 pq 设 pq_bits = 4 同样能匹配大小）。
• 想最大化召回恢复，配合 use_reorder: true 与 fp16 或 fp32 精确 存储。

相关页面

• 乘积量化（PQ）
• HGraph 索引
• 量化变换
• 量化总览