知识点 › 数据基础设施
检索与索引
Indexing & Retrieval
定义
三类检索：①结构化（SQL/标签/时间/地理）；②向量（图像/点云/轨迹特征相似度）；③混合（先标签过滤再向量排序）。索引决定了「挖长尾」的效率。
关键要点
- 向量库：Milvus / FAISS / pgvector；规模到亿级要考虑分片与量化
- 以图搜图、以轨迹搜场景、以文本搜场景（CLIP）是三大高频入口
- 检索质量要用「召回率@K」评估，别只看 demo 效果
面试怎么答
给「标签过滤 + 向量召回 + 人工确认」的混合检索链路，并说清各段的作用。
相关知识
- 场景检索 — 四类入口：标签/结构化查询、图像相似（以图搜图）、轨迹相似（DTW/形状匹配）、自然语言（「找雨天夜里电动车逆行」）。…
- Milvus 向量数据库 — 分布式向量数据库：Proxy 接入与路由、Query Node 检索、Index Node 建索引、Data Node…
- 时空索引 — 按「时间 + 空间」快速圈选片段：GeoHash / 网格做粗筛，R-tree / UBTree 做范围查询，Z-or…
- StarRocks 千亿级检索 — 用 StarRocks（MPP + 向量化 + 物化视图 + bitmap/前缀索引）承载千亿行级元数据检索：按车/时…
- 数据挖掘与检索 — 在解析后的数据上做「找人」：UGC 检索（用户/安全员上报的片段）、向量检索（以图搜图、场景相似）、标签组合检索。输出…
- 元数据体系 — 描述每段数据的「是什么、在哪、何时、什么车、什么版本、什么质量、什么标签」。元数据是检索、去重、复现、成本归因的基础；…