AlloyDB ScaNN 如何将向量搜索扩展到 100 亿向量

核心亮点

Google Cloud 宣布 AlloyDB 的 ScaNN 向量索引正式支持超过 100 亿向量的规模。借助全新推出的四层树架构（预览版），系统把查询复杂度从 O(N^1/2) 降到 O(N^1/4)，在 100 亿向量下仍能把 p95 延迟控制在 51 毫秒以内，并保持 95% 的召回率。结果是提供了一条托管、兼容 PostgreSQL 的超大规模嵌入检索路径，无需再单独搭建专用系统。

具体能力或事件经过

ScaNN 是 Google 自研的向量检索方案，此次扩展针对超大规模嵌入检索场景。过去，当向量库膨胀到十亿级以上，传统索引要么延迟飙升，要么召回率下滑。四层树架构通过分层裁剪，让检索在每一层只展开必要的子树，从而把计算量压到接近四次根号级别。新用户可参考快速入门指南部署，并享受 30 天免费试用，降低了在生产规模上做实验的门槛。

技术细节

四层树的核心思想是分而治之。顶层负责粗粒度聚类，逐层向下细化，每一层只保留与查询向量最近的若干分支。相比扁平化索引需要扫描大量候选，树状结构把搜索空间随层数指数收缩。复杂度从 O(N^1/2) 降至 O(N^1/4)，意味着向量数增长 10000 倍时，查询代价仅增长 10 倍。在内部测试中，100 亿向量规模下 p95 延迟不超过 51 毫秒、召回率达 95%。

与竞品对比

相比 pgvector 在亿级向量后就明显吃力，以及部分专用向量数据库需要独立运维，AlloyDB 把 ScaNN 直接做进兼容 PostgreSQL 的托管数据库，省去额外组件。四层树带来的复杂度下降，使它在十亿到百亿区间具备明显性价比优势，尤其适合已用 AlloyDB 存业务数据的团队顺带接入向量能力。独立向量库仍可能在细分功能上胜出，但这里的运维简洁性难以忽视。

行业影响或适用场景

简单来说，这让"在百亿级知识库里秒级找相似"变得可负担。推荐系统、语义检索、多模态去重、RAG 记忆层都能直接受益。对不想维护独立向量库的中大型团队，AlloyDB ScaNN 提供了一条低门槛、高上限的平滑路径，能随现有运维模式一起扩展。30 天试用降低了首次实验的风险，快速入门则缩短了从想法到可用索引的时间。