缘起
静态参数很难长期适配不断变化的数据分布与查询负载。这个研究型系统把命中率、延迟和分区状态放进同一条在线决策链路，让索引能够在服务过程中判断何时拆分、合并、重聚类，以及应该扫描多少候选范围。
设计札记
记录每一处取舍背后的思路
结构随负载变化
系统通过命中率滑窗与延迟回归观察分区健康度，在线决策拆分、合并与重聚类，避免把所有维护工作都推迟到昂贵的全量重建。
扫描范围由目标约束
检索阶段围绕目标召回率动态选择扫描范围。在公开履历记录的 95% 召回目标下，扫描量减少 30% 至 60%。
计算路径共同优化
索引策略与底层向量计算协同设计，结合 AVX-512、BLAS 批量距离与 NUMA-local 并行。公开履历记录的 QPS 约为 Faiss IVF 的 2 倍。
创作准则
有所为，也有所不为
- 负载变化可以被观察
- 召回目标约束扫描
- 维护决策在线发生
- 索引与计算协同设计
实现与图谱
来自当前产品界面、系统架构与视觉研究的真实材料。
下一篇
墨韵江湖
把个人表达收进一卷持续生长的数字古籍