百度向量数据库 VectorDB 性能报告

百度向量数据库 VectorDB 是一款纯自研高性能、高性价比、生态丰富且即开即用的向量数据库服务，提供高效的向量索引和相似度查询服务。为了让用户更好地了解VectorDB的性能表现，VectorDB性能白皮书详细描述了性能测试环境、测试方法和测试结果。本章节说明性能测试所需的环境与数据集。

数据库规格

测试实例规格如下表格所示：

该规格所支持的最大向量规模，请参见产品规格，并按照以上规格新建向量数据库实例，具体操作的流程，请参见“快速指南-创建实例”。

客户端测试环境

与百度云向量数据库实例为同一地域同一VPC内的云服务器，其环境要求如下：

• 操作系统：CentOS / 8.4 x86_64 (64bit)

• 规格：8c16g（8核心，16GB内存）

说明： 在使用BCC连接VectorDB实例时，需要在BCC关联的安全组中配置出站规则，把百度VectorDB实例的IP及端口添加到出站规则中，避免因为安全组的问题导致连接失败。

测试工具

我们基于Go语言自研了性能测试工具ann-benchamrk，用于评估近似最近邻（ANN）检索库的性能测试工具，能够避免客户自行解决客户端依赖，快速进行性能测试和对比。它提供了一套标准的测试数据集和评估指标，可以用于比较不同量级数据集下向量数据库的性能表现。

本测试基于该ann-benchmark进行，以下是测试工具的运行方法：

./bin/ann-benchmark -conf ./conf/conf.toml

数据集

测试过程使用的官方数据集都需要提前下载，测试工具在运行时会检查./dataset目录（ann-benchmark工具的根目录）下是否存在数据集文件，为了确保在使用测试工具时无需另外单独安装环境依赖，百度云向量数据库团队转换提供了parquet文件格式的ann数据集，并制作了Cohere 768维度数据集。具体数据集信息，如下表所示：

测试方法

百度智能云VectorDB采用自研的性能测试工具ann-benchmark进行测试比对，该工具不依赖外部组件，并提供了官方的标准数据集和自制的数据集。本文详细介绍下基于ann-benchmark工具进行数据库性能测试的方法。

准备测试环境

1. 下载测试工具。下载链接：linux-ann-benchmark-1.0.1.tar.gz

2. 下载百度智能云VectorDB提供的数据集文件，下载链接见测试环境小节。

3. 登录百度智能云BCC测试客户端环境（BCC的规格要求，请参见测试环境）。

4. 执行tar -zxvf linux-ann-benchmark-1.0.1.tar.gz命令解压测试工具压缩包。

5. 下载数据集，并放在测试工具目录dataset文件夹下。

修改配置文件

进入测试工具目录，打开配置文件，配置相关参数 执行如下命令，拷贝配置文件，根据需要修改参数：

vim conf/conf.toml

样例配置文件的内容如下所示：

logDir = "./log"

# Config for ann benchmark dataset
[Dataset]
path = "./dataset"
name = "SIFT_1M"

# Config for vector store
[VectorStore]
name = "Mochow"
endpoint = "http://127.0.0.1:5378"
user = "root"
password = "test_password"
database = "benchmark_db"
table = "benchmark_table"
dropExistingTable = true

# Common Config for Test Case
[TestCase]
vectorIndex = "HNSW"
topK = 10
concurrency = [24, 36, 48]
duration = 120
recallRangeForQPSBench = [0.8, 0.995]

# Config for hnsw index build
[TestCase.HNSW.Index]
M = [16, 32]
efConstruction = 200

# Config for hnsw search
[TestCase.HNSW.Search]
ef = [20, 40, 60, 80, 100, 120, 140, 160, 180, 200, 400, 600, 800, 1000, 1200, 1400, 1600, 1800, 2000]

配置项参数含义如下：

运行测试工具

执行如下命令，运行测试工具。其中，-conf指明配置文件路径，配置文件中配置项的含义，请参见上一小节。

cd linux-ann-benchmark-1.0.1
./bin/ann-benchmark -conf ./conf/conf.toml

查看测试结果

测试结果

测试结束后，结果会写入到工具根目录的result/benchmark_result_{测试开始时间}格式文件中，内容样例如下：

Mochow {M:16, efc:200} {ef:100} 82.76% 2431.7927

其中每一行为一组测试参数下的测试结果，以空格分割开，每一部分的含义如下：

• Mochow：本次测试采用的向量数据库类型；

• {M:16, efc:200}：向量索引的构建参数；

• {ef:100}：向量检索参数；

• 82.76%：召回率；

• 2431.7927：最大QPS；

实例状态

百度智能云VectorDB控制台提供了实例的CPU、内存、QPS、时延等关键性能指标监控，可以在测试过程中观察上述指标的状态，具体观察方法，请参见 查看监控数据。

测试方法

百度智能云VectorDB采用自研的性能测试工具ann-benchmark进行测试比对，该工具不依赖外部组件，并提供了官方的标准数据集和自制的数据集。本文详细介绍下基于ann-benchmark工具进行数据库性能测试的方法。

准备测试环境

1. 下载测试工具。下载链接：linux-ann-benchmark-1.0.1.tar.gz

2. 下载百度智能云VectorDB提供的数据集文件，下载链接见测试环境小节。

3. 登录百度智能云BCC测试客户端环境（BCC的规格要求，请参见测试环境）。

4. 执行tar -zxvf linux-ann-benchmark-1.0.1.tar.gz命令解压测试工具压缩包。

5. 下载数据集，并放在测试工具目录dataset文件夹下。

修改配置文件

进入测试工具目录，打开配置文件，配置相关参数 执行如下命令，拷贝配置文件，根据需要修改参数：

vim conf/conf.toml

样例配置文件的内容如下所示：

logDir = "./log"

# Config for ann benchmark dataset
[Dataset]
path = "./dataset"
name = "SIFT_1M"

# Config for vector store
[VectorStore]
name = "Mochow"
endpoint = "http://127.0.0.1:5378"
user = "root"
password = "test_password"
database = "benchmark_db"
table = "benchmark_table"
dropExistingTable = true

# Common Config for Test Case
[TestCase]
vectorIndex = "HNSW"
topK = 10
concurrency = [24, 36, 48]
duration = 120
recallRangeForQPSBench = [0.8, 0.995]

# Config for hnsw index build
[TestCase.HNSW.Index]
M = [16, 32]
efConstruction = 200

# Config for hnsw search
[TestCase.HNSW.Search]
ef = [20, 40, 60, 80, 100, 120, 140, 160, 180, 200, 400, 600, 800, 1000, 1200, 1400, 1600, 1800, 2000]

配置项参数含义如下：

运行测试工具

执行如下命令，运行测试工具。其中，-conf指明配置文件路径，配置文件中配置项的含义，请参见上一小节。

cd linux-ann-benchmark-1.0.1
./bin/ann-benchmark -conf ./conf/conf.toml

查看测试结果

测试结果

测试结束后，结果会写入到工具根目录的result/benchmark_result_{测试开始时间}格式文件中，内容样例如下：

Mochow {M:16, efc:200} {ef:100} 82.76% 2431.7927

其中每一行为一组测试参数下的测试结果，以空格分割开，每一部分的含义如下：

• Mochow：本次测试采用的向量数据库类型；

• {M:16, efc:200}：向量索引的构建参数；

• {ef:100}：向量检索参数；

• 82.76%：召回率；

• 2431.7927：最大QPS；

实例状态

百度智能云VectorDB控制台提供了实例的CPU、内存、QPS、时延等关键性能指标监控，可以在测试过程中观察上述指标的状态，具体观察方法，请参见 查看监控数据。

测试结果说明

本文提供了百度智能云VectorDB和某开源系统的对比测试结果报告。性能报告主要主要关注以下两个指标：

• 检索QPS或吞吐：系统在单位时间内能够处理的检索请求数量，是衡量检索性能的关键指标。

• 召回率：检索的TopK结果中，满足真实情况（KNN检索）的TopK集合的比例，是衡量向量检索精度的关键指标。

本文的所有测试都是在相同规格的实例下进行的，测试配置如下：

1. 测试方法：向量索引选择HNSW，检索最相似Top10的向量，对比百度云向量数据库与某开源向量数据库的QPS表现。

2. 测试规格：数据节点规格均为4核+8GB内存的配置，数据节点数量均为3个。

3. 数据集：测试SIFT128、COHERE768、GIST960三种维度的数据集，数据集大小均为100万。

4. 数据表配置：数据表均为1个分区/分片，分片副本数（含主副本）均为3。

测试结果

SIFT（128维）

128维数据集下，百度智能云VectorDB与某开源向量数据库的QPS对比结果如下图所示：

详细测试结果如下表所示：

COHERE（768维）

768维数据集下，百度智能云VectorDB与某开源向量数据库的QPS对比结果如下图所示：

详细测试结果如下图所示：

GIST（960维）

768维数据集下，百度智能云VectorDB与某开源向量数据库的QPS对比结果如下图所示：

详细测试结果如下图所示：