Busca vetorial de IA: pgvector
O curso trata da busca por vizinhos aproximados no Postgres com pgvector. Ele parte do sequential scan, lê o EXPLAIN ANALYZE e apresenta o recall como o preço dos índices aproximados. Depois vêm os operadores de distância e suas classes de operadores, as listas e probes do IVFFlat e os parâmetros m, ef_construction e ef_search do HNSW. As aulas seguintes tratam de filtragem com varreduras iterativas, índices parciais e particionamento, e de quantização com halfvec, vetores binários e rescoring. A última mede o recall contra a busca exata e o acompanha na CI.
O que você vai aprender
- ✓Ler o EXPLAIN ANALYZE e calcular o recall@k de consultas vetoriais
- ✓Combinar operadores de distância com a classe de operadores correta
- ✓Dimensionar e ajustar lists e probes no IVFFlat e m, ef_construction e ef_search no HNSW
- ✓Tratar consultas filtradas com varreduras iterativas, índices parciais e particionamento
- ✓Reduzir armazenamento com halfvec, quantização binária e rescoring
- ✓Acompanhar o recall na CI comparando com a busca exata
Do sequential scan ao índice vetorial
Uma consulta por vizinhos mais próximos sem índice é trabalho honesto. O Postgres calcula a distância do seu vetor de consulta até cada linha, ordena e devolve as dez primeiras. É exato e, com dez mil linhas, leva mais ou menos o tempo de um piscar de olhos.
Ler a aula completa grátis →Currículo
7 aulasDo sequential scan ao índice vetorial
Por que a varredura exata fica lenta em escala, o que o recall mede e os custos de latência, construção e memória.
Métricas de distância e classes de operadores
As diferenças entre cosseno, L2 e produto interno, e por que uma classe de operadores errada faz o índice ser ignorado.
IVFFlat: listas e probes
Como o IVFFlat agrupa vetores com k-means, como dimensionar lists e probes e por que tabelas vazias geram centroides ruins.
HNSW: grafos, m e ef_search
Como o HNSW busca num grafo em camadas, o que m, ef_construction e ef_search controlam e como acelerar a construção.
Filtragem com índices aproximados
Por que filtros seletivos devolvem menos linhas que o LIMIT e como varreduras iterativas, índices parciais e particionamento resolvem isso.
Quantização: halfvec e vetores binários
Como reduzir o armazenamento com halfvec e quantização binária, usando uma primeira passada barata e depois rescoring com vetores completos.
Medindo recall e colocando em produção
Calcular a verdade de referência sem índice, comparar recall e latência e seguir uma checklist de produção com testes de recall na CI.