面试题

以下 14 道面试题覆盖向量数据库与 Embedding 基础设施的核心知识点，每题附参考答题要点。

Q1：为什么高维空间不能用 kd-tree 做最近邻？ANN 的召回率怎么定义？

kd-tree 在低维靠空间划分剪枝，但维数灾难使高维空间中距离集中：任意两点距离的相对差异趋近 0，"最近"与"较远"难以区分，基于超平面的剪枝剪不掉分支，退化为全扫描甚至更慢（缓存不友好）。因此高维+大规模只能用 ANN。

Recall@k = |ANN 返回的 top-k ∩ 真实 top-k| / k，是相对于暴力搜索 ground truth 的集合重合度，必须在真实查询分布的评测集上统计。

Q2：cosine、L2、IP 三种度量什么关系？工程上怎么统一实现？

向量 L2 归一化后，||q - x||² = 2 - 2·cos(q, x)，即 cosine 距离与 L2 距离单调等价；IP 最大化等价于归一化后的 L2 最小化。工程上：入库前归一化 + 索引用单一 L2 实现即可同时支持 cosine/IP 语义，省掉三套距离内核。

Q3：讲清 HNSW 的查询过程。ef、M、ef_construction 各控制什么？

查询从最高层入口点逐层贪心下降到局部最优，第 0 层做 beam search：维护容量 ef 的候选最小堆与结果最大堆，每步取候选中最近节点、扩展其邻居、优于结果堆最差则入堆，直到候选堆顶差于结果堆最差（早停）。返回结果堆中最近的 k 个。

• M：每节点邻居上限，控图密度——内存、建图成本、连通性；
• ef_construction：建图 beam 宽度，控图质量上限；
• ef：查询 beam 宽度，查询时 recall-延迟的主旋钮，可在请求级覆盖。

Q4：IVF-PQ 为什么快？ADC 是什么？

IVF 用 k-means 粗聚类把搜索从全库剪到 nprobe 个簇；PQ 把向量切 m 段、每段量化到 k 个质心之一，向量变 m 字节，距离计算变查表加法。ADC（非对称距离计算）：查询向量保持 float32，预计算"查询子向量到每段各质心"的距离表（m×k），对任一数据库向量只需 m 次查表累加——避免对查询也量化带来的二次误差，是 PQ 召回损失的补偿关键。

Q5：DiskANN 为什么能把索引放 SSD？Vamana 的 α-RNG 是什么？

Vamana 是离线构图算法，α-RNG 剪枝：候选邻居 c 若被已选邻居 u "近似可达"（α·d(c,u) ≤ d(v,c)，α>1）则跳过。效果是保留长边、压小图直径——贪心遍历跳数少，每次查询只需少量 SSD 读（按页批量读邻居列表），延迟可控在毫秒级。配合量化向量压缩读放大，内存需求降一个数量级。

Q6：Milvus 2.6 的 Streaming Node 解决了什么问题？

实时写入与查询执行争抢资源：老架构中 QueryNode 既查 sealed 段又要处理 growing 段的实时写入与暴力查询，写入高峰直接拖垮查询 P99。2.6 将实时职责独立为 Streaming Node：基于自研 Woodpecker WAL（吞吐约为 Kafka 的 5.8 倍）吸收写入、维护 growing 段及其增量索引，sealed 段交给 QueryNode/DataNode——流批分离后读写资源互不干扰，且去掉了 Kafka/Pulsar 依赖。

Q7：RaBitQ / BQ / SQ / PQ 怎么选？refine 起什么作用？

• SQ8：每维 1 字节，召回损失最小，默认压缩档；
• PQ：压缩比高（8~32×），裸召回掉得多，适合配合 refine；
• BQ/RaBitQ：每维 1 bit，32× 压缩；RaBitQ 先随机旋转再符号量化，信息损失更小（Milvus 2.6 实测 refine 后 recall 约 94.9%、内存降 72%）。

refine = 粗量化码负责大范围召回 top-αk，候选再用原始向量或高精度码精排。粗码省内存、精排保召回，是量化体系的生产标配。

Q8：什么是 post-filter 陷阱？生产上有哪些解法？

先 ANN top-k 再用谓词过滤，低选择率（如租户过滤 1%）时 top-k 中合格向量远少于 k，返回结果残缺、召回静默崩塌。解法三条路：① pre-filter/谓词下推（暴力扫描合格子集，选择率极低时反而快）；② 图感知索引——ACORN（搜索时扩展邻居的邻居，Qdrant 已集成）、Filtered-DiskANN（构图纳入标签）；③ 按过滤维度物理分区（租户做 partition key）。

Q9：GPU 向量检索什么时候值得上？CAGRA 是什么？

cuVS 是 NVIDIA 的 GPU 向量检索库，CAGRA 是其图算法：先 brute-force knn-graph 再迭代精化，全程 GPU 并行，建图比 CPU HNSW 快 12~30 倍；构图结果可被 CPU 当 HNSW 搜索（GPU-build/CPU-serve）。值得上的场景：亿级索引构建太慢（GPU 建图池）、热集小+QPS 极高（GPU 服务亚毫秒）；十亿级中等 QPS 通常 DiskANN 更划算。数据高频更新的段不适合 GPU 常驻（重建成本高）。

Q10：Embedding 模型升级为什么要重建索引？怎么做才安全？

不同模型的向量维度与分布不同，旧索引对新向量无意义（距离空间变了），必须全量重建。安全流程：新模型写新 collection → 建索引 → 网关侧灰度切流（5%→50%→100%，可用影子对比召回差异）→ 保留旧索引一个回滚窗口 → 回收。配套纪律：模型版本注册、维度与归一化策略固定、评测集上先复测新模型（公开榜单分数不等于你的数据上更好）。

Q11：Qdrant 与 Milvus 的架构差异本质是什么？怎么选？

Milvus：专职组件分布式（Proxy/Streaming Node/DataNode/QueryNode/MixCoord + 对象存储），流批分离，吃单集群极限规模与写入吞吐，运维面大。Qdrant：单进程 Rust 内核，collection/shard/segment 切分 + mmap，吃部署简单与复杂过滤（payload + ACORN），大规模靠云托管分片。选型：亿级以上高写入自托管选 Milvus；亿级以内、过滤复杂、运维人手少选 Qdrant；深度 PG 生态百万级选 pgvector。

Q12：十亿级向量库的成本优化手段有哪些？各牺牲什么？

① 量化压本体（RaBitQ/PQ/INT8）：牺牲少量召回（refine 可挽回大部分）；② 冷热分层：冷数据在对象存储按需加载，牺牲冷查询延迟；③ DiskANN 上 SSD：牺牲延迟换介质成本；④ GPU 建图/服务：用 GPU 预算换构建时间或查询 QPS；⑤ 分片副本数与压缩算法降低存储与流量账单。核心是先算内存账（向量本体+图+元数据），再按延迟 SLO 决定哪部分可以"降级"。

Q13：向量库的删除为什么是 tombstone？长期运行有什么问题？

图索引（HNSW/Vamana）物理删点会破坏图连通性，因此删除普遍是逻辑标记 + 查询过滤；空间由后台 compaction 回收。长期问题：① tombstone 积累导致段空洞、磁盘膨胀；② 被删节点的断边使图直径变长、召回缓慢退化。对策：监控召回回归并周期性重建索引、能 TTL/分区的删除尽量物理化、给 compaction 配足资源配额。

Q14：设计一个 RAG 的向量检索质量保障体系。

四层：① 离线评测——固定 500~1000 条带标注查询集（与语料隔离防污染），每次索引参数/量化/模型变更过 Recall@10/100 + P99 门禁；② 影子对比——新旧索引并行双跑，线上差异超阈值自动回滚；③ 在线指标——分环节延迟埋点（embedding/ANN/fetch/rerank）、QPS、成本，P99 与召回回归告警；④ 反馈闭环——用户点赞/差评、答案忠实度评估回流，定期扩充评测集。要点：召回回归比系统指标更早暴露问题，是头号健康指标。

小结

面试考察的主线有四条：ANN 算法的取舍直觉（Q1-Q5）、系统架构的演进逻辑（Q6/Q11）、量化与过滤的工程坑（Q7/Q8/Q13）、以及生产化的流程纪律（Q10/Q12/Q14）。答出"参数—权衡—监控—回滚"的完整闭环，比背出单个数字更有说服力。