logo

开发者热搜

百度智能云向量数据库 VectorDB 性能测试报告

作者：百度智能云开发者中心2024.04.09 16:20浏览量：9842

简介：本章节说明性能测试所需的环境与数据集。

百度智能云向量数据库 VectorDB是一款纯自研高性能、高性价比、生态丰富且即开即用的向量数据库服务，提供高效的向量索引和相似度查询服务。为了让用户更好地了解 VectorDB 的性能表现，VectorDB 性能白皮书详细描述了性能测试环境、测试方法和测试结果。本章节说明性能测试所需的环境与数据集。

欢迎大家了解向量数据库 VectorDB

数据库规格

测试实例规格如下表格所示：
1712649675065.jpg

该规格所支持的最大向量规模，请参见产品规格，并按照以上规格新建向量数据库实例，具体操作的流程，请参见文档快速指南-创建实例。

客户端测试环境

与百度智能云向量数据库实例为同一地域同一 VPC 内的云服务器，其环境要求如下：

  • 操作系统：CentOS / 8.4 x86_64 (64bit)

  • 规格：8c16g（8核心，16GB内存）

说明： 在使用 BCC 连接 VectorDB 实例时，需要在 BCC 关联的安全组中配置出站规则，把百度智能云 VectorDB 实例的 IP 及端口添加到出站规则中，避免因为安全组的问题导致连接失败。

测试工具

我们基于 Go 语言自研了性能测试工具 ann-benchamrk，用于评估近似最近邻（ANN）检索库的性能测试工具，能够避免客户自行解决客户端依赖，快速进行性能测试和对比。它提供了一套标准的测试数据集和评估指标，可以用于比较不同量级数据集下向量数据库的性能表现。

本测试基于该 ann-benchmark 进行，以下是测试工具的运行方法：

./bin/ann-benchmark -conf ./conf/conf.toml

1712649798041.jpg

数据集

测试过程使用的官方数据集都需要提前下载，测试工具在运行时会检查./dataset 目录（ann-benchmark 工具的根目录）下是否存在数据集文件，为了确保在使用测试工具时无需另外单独安装环境依赖，百度云向量数据库团队转换提供了 parquet 文件格式的 ann 数据集，并制作了Cohere 768 维度数据集。具体数据集信息，如下表所示：

1712649833757.jpg

测试方法

百度智能云 VectorDB 采用自研的性能测试工具 ann-benchmark 进行测试比对，该工具不依赖外部组件，并提供了官方的标准数据集和自制的数据集。本文详细介绍下基于 ann-benchmark 工具进行数据库性能测试的方法。

准备测试环境

  • 下载测试工具。下载链接：linux-ann-benchmark-1.0.1.tar.gz
  • 下载百度智能云 VectorDB 提供的数据集文件，下载链接见测试环境小节。
  • 登录百度智能云 BCC 测试客户端环境（BCC 的规格要求，请参见测试环境）。
  • 执行 tar -zxvf linux-ann-benchmark-1.0.1.tar.gz 命令解压测试工具压缩包。
  • 下载数据集，并放在测试工具目录 dataset 文件夹下。

修改配置文件

进入测试工具目录，打开配置文件，配置相关参数 执行如下命令，拷贝配置文件，根据需要修改参数：

vim conf/conf.toml

样例配置文件的内容如下所示：

logDir = "./log"

# Config for ann benchmark dataset
[Dataset]
path = "./dataset"
name = "SIFT_1M"

# Config for vector store
[VectorStore]
name = "Mochow"
endpoint = "http://127.0.0.1:5378"
user = "root"
password = "test_password"
database = "benchmark_db"
table = "benchmark_table"
dropExistingTable = true

# Common Config for Test Case
[TestCase]
vectorIndex = "HNSW"
topK = 10
concurrency = [24, 36, 48]
duration = 120
recallRangeForQPSBench = [0.8, 0.995]

# Config for hnsw index build
[TestCase.HNSW.Index]
M = [16, 32]
efConstruction = 200

# Config for hnsw search
[TestCase.HNSW.Search]
ef = [20, 40, 60, 80, 100, 120, 140, 160, 180, 200, 400, 600, 800, 1000, 1200, 1400, 1600, 1800, 2000]

配置项参数含义如下：

1712650012126.jpg

运行测试工具

执行如下命令，运行测试工具。其中，-conf 指明配置文件路径，配置文件中配置项的含义，请参见上一小节。

cd linux-ann-benchmark-1.0.1
./bin/ann-benchmark -conf ./conf/conf.toml

查看测试结果

测试结果

测试结束后，结果会写入到工具根目录的 result/benchmarkresult{测试开始时间}格式文件中，内容样例如下：

Mochow {M:16, efc:200} {ef:100} 82.76% 2431.7927

其中每一行为一组测试参数下的测试结果，以空格分割开，每一部分的含义如下：

  • Mochow：本次测试采用的向量数据库类型；

  • {M:16, efc:200}：向量索引的构建参数；

  • {ef:100}：向量检索参数；

  • 82.76%：召回率；

  • 2431.7927：最大 QPS；

实例状态

百度智能云 VectorDB 控制台提供了实例的 CPU、内存、QPS、时延等关键性能指标监控，可以在测试过程中观察上述指标的状态，具体观察方法，请参见 查看监控数据。

测试方法

百度智能云 VectorDB 采用自研的性能测试工具 ann-benchmark 进行测试比对，该工具不依赖外部组件，并提供了官方的标准数据集和自制的数据集。本文详细介绍下基于 ann-benchmark 工具进行数据库性能测试的方法。

准备测试环境

  1. 下载测试工具。下载链接：linux-ann-benchmark-1.0.1.tar.gz

  2. 下载百度智能云 VectorDB 提供的数据集文件，下载链接见测试环境小节。

  3. 登录百度智能云 BCC 测试客户端环境（ BCC 的规格要求，请参见测试环境）。

  4. 执行 tar -zxvf linux-ann-benchmark-1.0.1.tar.gz 命令解压测试工具压缩包。

  5. 下载数据集，并放在测试工具目录 dataset 文件夹下。

修改配置文件

进入测试工具目录，打开配置文件，配置相关参数 执行如下命令，拷贝配置文件，根据需要修改参数：

vim conf/conf.toml

样例配置文件的内容如下所示：

logDir = "./log"

# Config for ann benchmark dataset
[Dataset]
path = "./dataset"
name = "SIFT_1M"

# Config for vector store
[VectorStore]
name = "Mochow"
endpoint = "http://127.0.0.1:5378"
user = "root"
password = "test_password"
database = "benchmark_db"
table = "benchmark_table"
dropExistingTable = true

# Common Config for Test Case
[TestCase]
vectorIndex = "HNSW"
topK = 10
concurrency = [24, 36, 48]
duration = 120
recallRangeForQPSBench = [0.8, 0.995]

# Config for hnsw index build
[TestCase.HNSW.Index]
M = [16, 32]
efConstruction = 200

# Config for hnsw search
[TestCase.HNSW.Search]
ef = [20, 40, 60, 80, 100, 120, 140, 160, 180, 200, 400, 600, 800, 1000, 1200, 1400, 1600, 1800, 2000]

配置项参数含义如下：

1712650421183.jpg

运行测试工具

执行如下命令，运行测试工具。其中，-conf 指明配置文件路径，配置文件中配置项的含义，请参见上一小节。

cd linux-ann-benchmark-1.0.1
./bin/ann-benchmark -conf ./conf/conf.toml

查看测试结果

测试结果

测试结束后，结果会写入到工具根目录的 result/benchmarkresult{测试开始时间} 格式文件中，内容样例如下：

Mochow {M:16, efc:200} {ef:100} 82.76% 2431.7927

其中每一行为一组测试参数下的测试结果，以空格分割开，每一部分的含义如下：

  • Mochow：本次测试采用的向量数据库类型；

  • {M:16, efc:200}：向量索引的构建参数；

  • {ef:100}：向量检索参数；

  • 82.76%：召回率；

  • 2431.7927：最大 QPS；

实例状态

百度智能云 VectorDB 控制台提供了实例的 CPU、内存、QPS、时延等关键性能指标监控，可以在测试过程中观察上述指标的状态，具体观察方法，请参见 查看监控数据。

图片.jpg

测试结果说明

本文提供了百度智能云 VectorDB 和某开源系统的对比测试结果报告。性能报告主要主要关注以下两个指标：

  • 检索 QPS 或吞吐：系统在单位时间内能够处理的检索请求数量，是衡量检索性能的关键指标。

  • 召回率：检索的 TopK 结果中，满足真实情况（KNN 检索）的 TopK 集合的比例，是衡量向量检索精度的关键指标。

本文的所有测试都是在相同规格的实例下进行的，测试配置如下：

  1. 测试方法：向量索引选择 HNSW，检索最相似 Top10 的向量，对比百度智能云向量数据库与某开源向量数据库的 QPS 表现。

  2. 测试规格：数据节点规格均为 4 核+ 8GB 内存的配置，数据节点数量均为 3 个。

  3. 数据集：测试 SIFT128、COHERE768、GIST960 三种维度的数据集，数据集大小均为 100 万。

  4. 数据表配置：数据表均为 1 个分区/分片，分片副本数（含主副本）均为 3。

测试结果

SIFT（128 维）

128 维数据集下，百度智能云 VectorDB 与某开源向量数据库的 QPS 对比结果如下图所示：

图片.jpg

详细测试结果如下表所示：
1712650734747.jpg

COHERE（768 维）

768 维数据集下，百度智能云 VectorDB 与某开源向量数据库的 QPS 对比结果如下图所示：

图片.jpg

详细测试结果如下图所示：

1712650773711.jpg

GIST（960维）

768维数据集下，百度智能云 VectorDB 与某开源向量数据库的 QPS 对比结果如下图所示：

图片.jpg

详细测试结果如下图所示：

1712650814515.jpg

相关文章推荐

发表评论

关于作者

  • 被阅读数
  • 被赞数
  • 被收藏数

最热文章