什么是OdinVectorDB?一个功能强大的向量数据库原型:
- 低内存开销:全流程系统内存峰维持80G以内;
- 支持带标签约束的ANN:支持多标签向量近似近邻混合检索;
- 高可维护性:支持索引高效动态维护(插入、删除、更新);
- 兼容原生ANN:支持基于SSD的近似近邻向量检索;
- 高可用性:支持基于WAL的崩溃恢复功能。
- 安装cmake、boost等基本依赖库
- 安装third-party中的liburing
- 安装CRoaring库
- 配置CMakeLists.txt指向系统中的CRoaring库
- 整体编译安装
-
build_disk_index:用于构建基本图索引
-
search_disk_index:用于原生ANN查询
-
build_ivf_index:用于构建IVF索引,用于混合检索
-
hybrid_tag_search:用于混合检索
-
test_insert:用于测试插入删除更新向量等功能
-
test_dynamic_ivf:用于测试IVF索引的动态维护功能
-
test_insert_hybrid:待实现,用于测试混合检索中插入删除更新向量等功能