HNSW
HNSW（Hierarchical Navigable Small World）是一种用于高维向量空间的近似最近邻搜索算法，基于多层可导航小世界图结构构建索引。其核心原理是通过分层图在不同粒度上进行贪婪路由搜索，实现对数级别的查询时间复杂度。该算法在保持较高召回率的同时显著降低搜索延迟，被广泛应用于向量数据库和语义检索系统中。
核心事实
时间轴 (近 90 天)
HNSW 通过构建多层可导航的小世界图，在查询时从上层粗粒度图逐层向下搜索，实现对数级别的检索复杂度。
HNSW 的优势在于高召回率与低延迟，但代价是每个向量节点都需要持久化完整的高维嵌入，并且图结构本身也需存储邻接关系。
据 MarkTechPost 报道，LEANN 在 90% 召回率下达到与 HNSW 相当的精度，而内存占用为 4 GB 对 188 GB。
实际向量检索常使用HNSW、IVF等近似最近邻算法在召回率和速度之间做权衡，而非暴力计算所有向量。
pgvector 的默认 HNSW 设置在批量记忆写入时会导致超过 2 秒的插入停顿。
HNSW 索引在批量插入时会锁表，导致 5 秒以上的写入停顿；解决方案是批量写入并配合 INSERT ... ON CONFLICT DO NOTHING 及 50ms 防抖窗口。
在 pgvector 的 HNSW 索引中，参数 m 是每个节点保留的邻居边数，ef_construction 是构建时候选队列的大小；二者共同决定查询时的召回-延迟权衡。
在 pgvector 的 HNSW 索引中，将 m 设为 16、ef_construction 设为 64，在 500 个并发插入下可达到 12ms 的 p99 延迟。
近似最近邻搜索（ANN）采用HNSW或IVF等算法，以少量召回率损失换取毫秒级响应，返回语义上最近的候选集而非事实上最相关的文档。
ANN通过构建特殊索引结构（如HNSW的层次化可导航小世界图、IVF的倒排聚类、PQ的乘积量化压缩）来牺牲少量召回精度换取数量级的速度提升。
还有 40 条时间轴事件
全部知识事实 (20)
向量数据库（如ChromaDB、Milvus、Pinecone）采用HNSW、IVF等索引算法，能在百万甚至亿级向量中实现毫秒级检索
80%已验证向量数据库的核心操作是近似最近邻搜索（ANN），通过HNSW、IVF等索引算法将相似度计算加速到毫秒级响应
80%已验证ANN搜索主流实现包括HNSW和IVF，通过构建索引结构将检索时间复杂度从线性降低至对数级
80%已验证向量数据库的索引算法HNSW（图结构）与IVF（聚类结构）在检索速度与召回率之间形成不同的工程权衡
75%已验证HNSW算法由Yury Malkov等人于2016年提出，通过多层图结构将搜索复杂度从O(n)降低到O(log n)
75%已验证pgvector 是 PostgreSQL 的开源扩展，为关系型数据库原生添加向量数据类型与相似度搜索能力，支持精确最近邻和近似最近邻（HNSW、IVFFlat 索引）两种检索模式
70%已验证向量数据库将文本转化为通常768至3072维的高维向量，利用ANN算法进行检索，主流ANN算法包括HNSW和IVF-PQ
70%已验证HNSW算法通过构建多层图索引，在十亿级向量中实现毫秒级检索，同时保持95%以上召回率
65%已验证HNSW（分层可导航小世界图）是工业界最主流的ANN方案，查询复杂度降至O(log N)
65%已验证近似最近邻ANN算法如HNSW和IVF通过牺牲微小精度换取数量级速度提升
65%已验证向量数据库底层通常采用HNSW或IVF等近似最近邻算法，检索延迟通常低于10毫秒
65%已验证HNSW算法通过构建多层图结构实现分层搜索，将精确最近邻搜索的指数级复杂度近似降低为对数级，是当前向量数据库中最主流的索引结构
65%已验证文本经Embedding模型编码为768至3072维的浮点向量，存入向量数据库后通过近似最近邻算法（HNSW、IVF等）在毫秒级完成相似度检索
65%已验证RAG机制依赖向量数据库（如Pinecone、Weaviate、Milvus等）的近似最近邻（ANN）搜索能力实现毫秒级检索
65%已验证Milvus采用存算分离架构，支持HNSW、IVF_FLAT、DiskANN等多种向量索引算法
65%待验证Pinecone、Milvus、Weaviate等主流向量数据库均采用HNSW作为核心索引算法
85%部分验证HNSW（层次化可导航小世界图）是由俄罗斯学者Yuri Malkov等人于2016年提出的近似最近邻搜索算法
65%待验证向量存储通过HNSW（分层可导航小世界图）或IVF（倒排文件索引）等近似最近邻算法在高维空间中定位语义相近的文档片段
60%待验证向量数据库底层通常依赖近似最近邻算法（ANN），如HNSW、IVF
60%待验证Pinecone向量数据库采用HNSW（层次化可导航小世界）图算法进行近似最近邻搜索
60%