文档摘要

在体系位置里，这一节专攻存储索引层里最关键的部件：HNSW 图。它是 Chroma 查询快的根本，也是调参的主战场。我们把"图"和"树"的区别先讲清，再看参数。 反问切入 如果让你在一百万个点里找最近的，你会怎么做？挨个量距离是 O(N)，太慢。建一棵树分桶？高维空间里"邻居"会散落在各个桶，树会失效。HNSW 的解法是：建一张"导航图"——大多数点只连附近的几个，少数"高速节点"连得很远，查询时先跳高速节点再慢慢走近邻。 会员。《3.2 向量索引结构与检索算法》收录于灏天文库文集《Chroma AI原生向量数据库教程》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/407-chroma-ai%E5%8E%9F%E7%94%9F%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93%E6%95%99%E7%A8%8B

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流