彭水网站建设推广,德兴网站建设,低代码快速开发平台,网站做app开发作者#xff1a;来自 Elastic Benjamin Trent Lucene 和 Elasticsearch 中更好的二进制量化 (BBQ)。 嵌入模型输出 float32 向量#xff0c;通常对于高效处理和实际应用来说太大。Elasticsearch 支持 int8 标量量化#xff0c;以减小向量大小#xff0c;同时保持性能。其他…作者来自 Elastic Benjamin Trent Lucene 和 Elasticsearch 中更好的二进制量化 (BBQ)。 嵌入模型输出 float32 向量通常对于高效处理和实际应用来说太大。Elasticsearch 支持 int8 标量量化以减小向量大小同时保持性能。其他方法会降低检索质量并且不适用于实际使用。在 Elasticsearch 8.16 和 Lucene 中我们引入了更好的二进制量化 (BBQ)这是一种新方法从新加坡南洋理工大学的研究人员提出的一项最新技术 “RaBitQ” 中汲取的见解中发展而来。
BBQ 是 Lucene 和 Elasticsearch 在量化方面的一次飞跃将 float32 维度缩减为位在保持高排名质量的同时减少约 95% 的内存。BBQ 在索引速度量化时间减少 20-30 倍、查询速度查询速度提高 2-5 倍方面优于乘积量化 (Product Quantization - PQ) 等传统方法并且不会额外损失准确性。
在本博客中我们将探索 Lucene 和 Elasticsearch 中的 BBQ重点关注召回率、高效的按位运算和优化的存储以实现快速、准确的向量搜索。 更好的二进制量化中的 “更好” 是什么意思
在 Elasticsearch 8.16 和 Lucene 中我们引入了所谓的 “Better Binary Quantization - 更好的二进制量化”。简单的二进制量化具有极高的损耗要实现足够的召回率需要收集 10 倍或 100 倍的额外邻居来重新排序。这根本行不通。
更好的二进制量化来了以下是更好的二进制量化和简单的二进制量化之间的一些显著差异
所有向量都围绕质心centroid进行归一化。这解锁了量化中的一些良好属性。存储了多个错误校正值。其中一些校正用于质心归一化一些用于量化。非对称量化。在这里虽然向量本身存储为单个位值bit value但查询仅量化为 int4。这显著提高了搜索质量而无需额外的存储成本。用于快速搜索的按位操作。查询向量以允许高效按位操作的方式进行量化和转换。 使用更好的二进制量化进行索引
索引很简单。请记住Lucene 会构建单独的只读段。随着向量进入新的段质心centroid会逐渐计算。然后一旦段被刷新每个向量都会围绕质心进行规范化和量化。
这是一个小例子 当量化到位级时8 个浮点值会转换为单个 8 位字节。 然后将每个位打包成一个字节并与所选向量相似性所需的任何错误校正值一起存储在段中。 对于每个向量存储的字节是 dims/8 字节数然后是任何错误校正值欧几里得的 2 个浮点值或点积的 3 个浮点值。 让我们快速讨论一下我们如何处理段合并
当段合并时我们可以利用先前计算的质心。只需对质心进行加权平均然后重新量化新质心周围的向量。
棘手的是确保 HNSW 图质量并允许使用量化向量构建图。如果你仍然需要所有内存来构建索引量化有什么意义
除了将向量附加到现有最大的 HNSW 图之外我们还需要确保向量评分可以利用非对称量化。HNSW 有多个评分步骤一个用于初始邻居集合另一个用于确保只有不同的邻居连接。为了有效地使用非对称量化我们创建了一个临时文件其中包含所有量化为 4 位查询向量的向量。
因此当将向量添加到图中时我们首先
获取存储在临时文件中的已量化查询向量。使用已经存在的位向量正常搜索图。一旦我们有了邻居就可以使用先前的 int4 量化值进行多样性和反向链接评分。
合并完成后临时文件将被删除仅留下位量化向量。 临时文件将每个查询向量存储为一个 int4 字节数组该数组采用 dims/2 字节数、一些浮点误差校正值欧几里得为 3点积为 4以及向量维数和的短值。 非对称量化有趣的部分
我提到了非对称量化以及我们如何布局查询以构建图形。但是向量实际上是如何转换的它是如何工作的
“Asymmetric - 非对称” 部分很简单。我们将查询向量量化为更高的保真度。因此doc 值是位量化的查询向量是 int4 量化的。更有趣的是这些量化向量如何转换为快速查询。
以上面的示例向量为例我们可以将其量化为以质心为中心的 int4。 有了量化向量乐趣就开始了。因此我们可以将向量比较转换为按位点积位移位。
最好只是直观地了解正在发生的事情 这里每个 int4 量化值的相对位置位都移位到单个字节。请注意所有第一位都是先打包在一起的然后是第二位依此类推。请注意上面的各个颜色组成的信的字节。如果你想搞明白上面的最终字节值是从右向左来进行组织的比如从右向左绿色的值依次为 1100 0111 但这实际上如何转化为点积请记住点积是组件积的总和。对于上面的例子让我们完整地写出来 我们可以看到它只是查询组件的总和其中存储的向量位为 1。由于所有数字都只是位因此当使用二进制扩展表示时我们可以移动一些位置以利用按位运算。
在 之后将被翻转的位将是构成点积的数字的各个位。在这种情况下15 和 10。
记住我们最初存储的向量 现在我们可以计算位数移位并求和。我们可以看到剩下的所有位都是 15 和 10 的位置位。 与直接对维度求和的答案相同。
以下是示例但简化了 Java 代码
byte[] bits new byte[]{6};
byte[] queryBits new byte[]{202, 14, 26, 199};
for (int i 0; i 4; i) {sum Integer.bitCount(bits[0] queryBits[i] 0xFF) i;
} 好吧给我看看这些数字
我们已经在 Lucene 和 Elasticsearch 中直接对 BBQ 进行了广泛的测试。以下是一些结果 Lucene 基准测试
这里的基准测试是在三个数据集上进行的E5-small、CohereV3 和 CohereV2。这里每个元素表示召回率100过采样率为 [1, 1.5, 2, 3, 4, 5]。 E5-small
这是从 quora 数据集构建的 E5-small 的 500k 个向量。
quantizationIndex TimeForce Merge timeMem Requiredbbq161.8442.3757.6MB4 bit215.1659.98123.2MB7 bit267.1389.99219.6MBraw249.2677.81793.5MB 令人惊讶的是我们仅用一位精度就获得了 74% 的召回率。由于维度较少BBQ 距离计算并不比我们优化的 int4 快多少。 CohereV3
这是 1M 1024 维向量使用 CohereV3 模型。
quantizationIndex TimeForce Merge timeMem Requiredbbq338.97342.61208MB4 bit398.71480.78578MB7 bit437.63744.121094MBraw408.75798.114162MB 这里1 位量化和 HNSW 仅通过 3 倍过采样就能获得 90% 以上的召回率。 CohereV2
这是 1M 768 维向量使用 CohereV2 模型和最大内积相似度。
quantizationIndex TimeForce Merge timeMem Requiredbbq395.18411.67175.9MB4 bit463.43573.63439.7MB7 bit500.59820.53833.9MBraw493.44792.043132.8MB 看到 BBQ 和 int4 与此基准同步的程度真的很有趣。BBQ 只需 3 倍过采样就能在内积相似度下获得如此高的召回率这真是太棒了。 更大规模 Elasticsearch 基准测试
正如我们在更大规模向量搜索博客中提到的我们有一个用于更大规模向量搜索基准测试的 rally track。
该数据集有 138M 个 1024 维浮点向量。如果没有任何量化使用 HNSW 需要大约 535 GB 的内存。如果使用更好的二进制量化估计会下降到大约 19GB。
对于此测试我们在 Elastic 云中使用了一个 64GB 的节点具有以下 track 参数
{mapping_type: vectors-only,vector_index_type: bbq_hnsw,number_of_shards: 2,initial_indexing_bulk_indexing_clients: 12,standalone_search_clients: 8,aggressive_merge_policy: true,search_ops: [[10, 20, 0], [10, 20, 20], [10, 50, 0], [10, 50, 20], [10, 50, 50], [10, 100, 0], [10, 100, 20], [10, 100, 50], [10, 100, 100], [10, 200, 0], [10, 200, 20], [10, 200, 50], [10, 200, 100], [10, 200, 200], [10, 500, 0], [10, 500, 20], [10, 500, 50],[10, 500, 100],[10, 500, 200],[10, 500, 500],[10, 1000, 0], [10, 1000, 20], [10, 1000, 50], [10, 1000, 100], [10, 1000, 200], [10, 1000, 500], [10, 1000, 1000]]
} 重要提示如果你想要复制下载所有数据将花费大量时间并且需要超过 4TB 的磁盘空间。需要所有额外磁盘空间的原因是此数据集还包含文本字段并且你需要磁盘空间来存储压缩文件及其膨胀大小。 参数如下
k 是要搜索的邻居数num_candidates 是 HNSW 中每个分片用于探索的候选数rerank 是要重新排序的候选数因此我们将收集每个分片的多个值收集总重新排序大小然后使用原始 float32 向量对前 k 个值重新评分。
对于索引时间大约需要 12 小时。这里不显示所有结果而是显示三个有趣的结果
k-num_candidates-rerankAvg Nodes Visited% Of Best NDGCRecallSingle Query LatencyMulti-Client QPSknn-recall-10-100-5036,079.80190%70%18ms451.596knn-recall-10-2015,915.21178%45%9ms1,134.649knn-recall-10-1000-200115,598.11797%90%42.534ms167.806
这表明了平衡召回率、过采样、重新排序和延迟的重要性。显然每个都需要针对你的特定用例进行调整但考虑到这在以前是不可能的而现在我们在单个节点中拥有 138M 个向量这非常酷。 结论
感谢你花一点时间阅读有关 Better Binary Quantization 的文章。我来自阿拉巴马州现在住在南卡罗来纳州BBQ 在我的生活中已经占据了特殊的地位。现在我有更多的理由爱上 BBQ
我们将在 8.16 中将其作为技术预览版发布或者现在以 serverless 器形式发布。要使用它只需在 Elasticsearch 中将你的 density_vector.index_type 设置为 bbq_hnsw 或 bbq_flat。
准备好自己尝试一下了吗开始免费试用。 Elasticsearch 和 Lucene 提供强大的矢量数据库和搜索功能。深入了解我们的示例笔记本以了解更多信息。 原文Better Binary Quantization (BBQ) in Lucene and Elasticsearch - Search Labs
