一、下载并上传工具与数据集
1. 下载测试工具。
ann-benchmarks-dev.zip
2. 获取腾讯云向量数据库提供的数据集。
注意：说明：
注意：ann-benchmark 数据集默认不需要提前下载，测试工具运行时会自动检查 ./data 目录下是否存在数据集文件，如果不存在则会主动联网下载。
3. 登录云服务器 CVM 环境，使用 rz 命令上传测试工具于 CVM。CVM 要求，请参见 测试环境。
4. 执行unzip ann-benchmarks-dev.zip命令解压测试工具压缩包 ann-benchmarks-dev.zip。
5. 使用 rz 命令上传数据集于测试工具解压目录../ann-benchmarks-dev/ann-benchmarks/data。
二、步骤1 : 安装工具环境依赖
进入已解压的测试工具包的路径，安装 python 运行依赖。
cd ann-benchmarks pip3 install -r requirements.txt
三、步骤2：修改配置文件
执行如下命令，拷贝配置文件，并打开配置文件，配置相关参数。需配置的参数信息，请参见下表，其余参数保持默认值即可。
cp ann_benchmarks/algorithms/vector_db/config.yml mytest.ymlvi mytest.yml
| 配置文件参数 | 参数含义 | 建议值 |
| arg_groups 下的第一个参数 | 索引类型为 HNSW 的参数 M，指每个节点在检索构图中可以连接多少个邻居节点 | 设置16 |
| HttpBase | 连接向量数据库访问地址 | 获取向量数据库实例的内网 IP 地址与网络端口。具体操作，请参见 查看实例信息。 |
| User | 连接用户名 | root |
| ApiKey | 向量数据库的 API 访问密钥 | 如何获取，请参见 密钥管理。 |
| IndexType | 索引类型 | HNSW |
| MetricType | 相似度计算方法 | L2 |
| ColReplicaNum | 副本数 | 2 |
| Threads | 单线程进行测试 | 1 |
| ColShardNum | 分片数量 | 3 |
| EfConstruction | 索引类型为 HNSW 的参数 ef，搜索时，指定寻找节点邻居遍历的范围 | 500 |
| BuildIndexOnUpsert | 指定插入数据时，同步更新索引 | true：重新创建索引。false：不重新创建索引。 |
| query_args | 指定了在数据插入完成后，需要进行ef为10，15，20等的查询 | [ 10, 15, 20, 25, 30, 35, 40, 50, 60, 80, 120, 200, 400 ] |
float: any: – base_args: [ '@metric' ] constructor: VectorDb disabled: false docker_tag: ann-benchmarks-vector_db module: ann_benchmarks.algorithms.vector_db name: vector_db run_groups: vector_db: arg_groups: – [ 16 ] – DbName: db-test HttpBase: http://127.0.0.1:18100 NeedAuth: true User: root ApiKey: invalid-by-default DropDb: false CreateDb: true ReCreateCollection: false DropCollectionOnDone: false IndexType: HNSW MetricType: L2 ColReplicaNum: 2 ColShardNum: EfConstruction: 500 ExitOnError: true Threads: 1 MultiCpuUpsert: true UpsertBatchSize: 500 BuildIndexOnUpsert: true KNNSeekMode: false KNNSeekStartEf: 90 KNNSeekStep: 1 KNNSeekExpect: 0.95 args: { } query_args: – [ 10, 15, 20, 25, 30, 35, 40, 50, 60, 80, 120, 200, 400 ] – RetrieveVector: false
四、步骤3：运行测试工具
执行如下命令，运行测试工具。其中，–dataset 指明数据集名称。 vector_db 指明了数据库名，数据库名从 mytest.yml 中获取。具体参数含义，请参见 测试工具。
注意：说明：
注意：euclidean 使用的是 L2 相似度算法，angular 使用的是 IP 算法。
python3 run.py –dataset sift-128-euclidean –local –force –parallelism 1 –algorithm vector_db –definitions=mytest.yml –runs 1
五、步骤4：查看测试运行结果
测试结束后，测试结果保存在 results 文件夹中，需要使用如下命令将结果转换为可读的 csv 文件。如下所示，可通过生成的 mytest.csv 文件，查看128维数据在 HNSW 索引下单核的性能表现。
python3 data_export.py –output=mytest.csv
六、步骤1：打开探索模式
打开配置文件 mytest.yml，修改配置文件中的 KNNSeekMode 参数为 true， 该模式测试工具会反复运行不同 ef 值的查询，直到获得最匹配的召回率为止。
七、步骤2：配置探索参数
| 配置文件参数 | 参数含义 | 建议值 |
| KNNSeekStartEF | 指定开始查询 ef 设置的起始值，即从哪一个ef 参考值开始查询 | 90 |
| KNNSeekStep | 指定探索模式中，每次 ef 值变化几个单位。如1，则表示 KNNSeekStartEF+=1 或相减，每次递增或递减的步长 | 1 |
| KNNSeekExpect | 期望找到的召回率 | 0.95 |
八、步骤3：运行工具
具体参数含义，请参见 测试工具。
python3 run.py –dataset sift-128-euclidean –local –force –parallelism 1 –algorithm vector_db –definitions=mytest.yml –runs 1 –only_query
九、步骤4： 查看运行结果
结果显示如下所示，KNNSeekExpect=0.95，即在 ef=61时，可获得最接近0.95的召回率。
十、步骤1：设置期望的 EF 值，压测查询配置
在配置文件中，如下使用8核压测查询ef=111的情况。 注意需要设置 KNNSeekMode为 false。
十一、步骤2：运行工具
压测命令，压测时需要打开 –batch 参数，同时设置 –runs 为较大值以便长时间运行。具体参数含义，请参见 测试工具。
python3 run.py –dataset sift-128-euclidean –local –force –parallelism 1 –algorithm vector_db –definitions=mytest.yml –runs 999 –only_query –batch
十二、步骤3：查看结果
腾讯云向量数据库控制台提供了实例的 CPU，内存、QPS，时延等关键性能指标监控。具体操作，请参见 查看监控数据。
注意：说明：
注意：受限于 python 语言的线程模型，有时测试工具无法把测试压力打满，导致实例性能无法达到极限，此时可使用多进程或多台 CVM 同时进行压测。