向量数据库 数据类型

这篇说明腾讯云向量数据库(Tencent Cloud VectorDB)中半精度浮点类型(float16_vector与bfloat16_vector)的内存压缩特性、数据类型对比及适用场景。半精度量化理论上可降低50%内存占用,但因HNSW索引边开销,实际压缩率约45%,召回率下降低于0.5%。 内存压缩与影响:高维向量压缩效果更接近50%,实测1024/2304维数据压缩约45%,召回率下降低于0.5%。 数据类。

相关产品
向量数据库 产品页,含版本规格、价格与购买入口。

注意:说明:

注意:数据类型半精度浮点类型 float16_vector 与 bfloat16_vector 内存压缩特性说明:

数据类型 适用字段 存储格式 使用场景
vector 向量字段 单精度浮点数向量,采用8位指数位 + 23位尾数位 + 1位符号位(共32位)。 适用于需最高精度的计算任务或对误差敏感的向量检索。
float16_vector  半精度浮点数向量,采用5位指数位 + 10位尾数位 + 1位符号位 的格式。 适用于尾数精度较高(小数点后保留更多位数)的场景,如 bge-large 等模型生成的嵌入向量。
bfloat16_vector  bfloat16 浮点数向量,采用8位指数位 + 7位尾数位 + 1位符号位的格式。 适用于向量数值范围较大(更多bit位表达整数)的场景。
binary_vector  每个维度仅用1个比特(bit) 表示0或1,无指数位、尾数位和符号位,直接存储二进制数据。 适用于稀疏向量。
string 主键 ID标量字段 字符串。 适用于文本类标签、分类名称、唯一标识符 ID、短描述、状态码、关键词等离散的、非数值型的分类信息。
uint64/int64 标量字段 整型数值,包含正整数、负整数和零。 适用于需要大范围整数值的标量属性信息。
double  双精度浮点型数值。 适用于需要高精度的连续数值或小数的属性信息,例如:价格、权重、分数等。
array  数组类型,存储一组相同类型的数据元素。当前,数组元素仅支持 string 类型。 适用于一个标量字段包含多个同类型的元素集合。
json  基于文本的格式,由键值对组成的数据对象。用花括号 {} 包裹,例如: "a": {"b": "test", "c": 12},a 中的字段 b 用 a.b 表示。 存储结构灵活、嵌套复杂或动态变化的属性集合。
赞 (0)
上一篇 4天前
下一篇 4天前