VADD
VADD key [REDUCE dim] (FP32 | VALUES num) vector element [CAS] [NOQUANT | Q8 | BIN] [EF build-exploration-factor] [SETATTR attributes] [M numlinks]
- 可用版本
- Redis Open Source 8.0.0
- 时间复杂度
- 添加每个元素的时间复杂度为 O(log(N))，其中 N 是向量集中的元素数量。
将新元素添加到由 key 指定的向量集中。向量可以作为 32 位浮点数 (FP32) 的 blob 值提供，也可以作为浮点数字符串提供，前缀为元素数量（例如，下面的例子中为 3）。
VADD mykey VALUES 3 0.1 1.2 0.5 my-element
必需参数
key
是保存向量集数据的键名。
FP32 vector 或 VALUES num vector
32 位浮点数 (FP32) 的 blob 值，或者 num 个浮点数字符串。
element
是添加到向量集中的元素名称。
可选参数
REDUCE dim
通过随机投影降低向量维度。投影矩阵将与向量集一起保存和重新加载。请注意，REDUCE 选项必须紧接在向量之前传递。例如：
VADD mykey REDUCE 50 VALUES ...
CAS
以 check-and-set 方式部分使用线程执行操作。耗时的邻居候选集合过程在后台执行，而命令在主线程中执行。
NOQUANT
对于给定 key 的第一次 VADD 调用，NOQUANT 强制创建不使用 int8 量化的向量，否则 int8 量化是默认的。
BIN
强制向量使用二进制量化而不是 int8 量化。这速度更快，内存使用更少，但会影响召回质量。
Q8
强制向量使用有符号 8 位量化。这是默认设置，此选项仅用于确保在插入时检查向量集格式是否相同。
NOQUANT、Q8 和 BIN 是互斥的。EF build-exploration-factor
在将新节点连接到现有分层可导航小世界 (HNSW) 图时，用于寻找优质候选节点所付出的努力程度。默认值为 200。使用更大的值可能有助于获得更好的召回率。为了提高召回率，也可以在 VSIM 搜索期间增加 EF。
SETATTR attributes
将属性（以 JavaScript 对象形式）关联到新创建的条目，或更新（如果已存在）其属性。这与单独调用 VSETATTR 命令相同。
M numlinks
是图中每个节点与其他节点的最大连接数。默认值为 16。连接数越多，内存使用越多，但图探索效率更高。零层（所有节点至少存在于零层）的节点有 M * 2 个连接，而其他层只有 M 个连接。例如，将 M 设置为 64，零层将至少使用 1024 字节的内存。这是 M * 2 个连接乘以 8 字节（指针），即 128 * 8 = 1024。对于更高层，请考虑以下情况：
- 平均每个节点出现在约 1.33 个层中（来自 HNSW 论文的经验观察），这意味着每个节点约有 0.33 个更高层。
- 这些更高层中的每个节点都有
M = 64个连接。
因此，每个节点的额外内存约为 0.33 × 64 × 8 ≈ 169.6 字节，总内存约为 1193 字节。
如果您没有召回质量问题，默认值是可以接受的，并且使用的内存最少。
相关主题
RESP2 回复
以下之一：
RESP3 回复
以下之一：