目录
- 1. Milvus：标量字段用什么索引？
- 2. Milvus：向量字段用什么索引？
- 3. 数据量不同如何选索引？（最关键）
- ◆ 场景A：数据量 < 10 万（<= 100k）
- ◆ 场景B：10万 ～ 100万（0.1M~1M）
- ◆ 场景C：100万 ～ 1000万（1M~10M）
- ◆ 场景D：1000万 ～ 1亿（10M~100M）
- 4. 最终汇总（千万项目实践表）
- 5. 给你的智能家电控制 Agent 的具体建议
- 推荐组合：
- 6. 如果你愿意，我可以进一步给你：
以下内容面向工程落地，重点说明 Milvus 在标量字段与向量字段上的索引选择原则，并给出按数据量规模的最佳实践方案。内容会相对技术化，确保你可以直接用于架构设计。
1. Milvus：标量字段用什么索引？
Milvus 的标量字段（Scalar Field）本质等同于传统数据库的列数据，包括：
- INT / BIGINT
- FLOAT / DOUBLE
- BOOLEAN
- VARCHAR
- DATETIME
Milvus 为标量字段提供的索引：
| 数据类型 | 可用索引 | 场景 | 特性 |
|---|---|---|---|
| INT / BIGINT | Scalar Index（排序索引） | 范围查询、过滤 | 内置排序加速 |
| FLOAT / DOUBLE | Scalar Index | 范围查询过滤 | 同上 |
| VARCHAR | Trie / Hash 索引（String Index） | 精确匹配、前缀匹配 | 加速 string equality / LIKE |
| BOOLEAN | 无需索引 | 小范围过滤 | 消耗极低 |
| DATETIME | Scalar Index | 范围查询（某时间段） | 基于排序的加速 |
总结：
标量字段 → 全部使用 Scalar Index / String Index（Milvus 内置，无需配置不同索引类型）。
你只需要设置：
{"index_type": "SCALAR"}
2. Milvus：向量字段用什么索引？
向量字段（FloatVector / BinaryVector）才是 Milvus 的核心索引部分。
Milvus 主流向量索引类型：
| 索引 | 架构 | 特性 | 场景 |
|---|---|---|---|
| FLAT | 暴力搜索 | 准确率100% | 小数据、测试 |
| IVF_FLAT | 倒排文件 IVF | 中等速度、准确率高 | 中小规模 |
| IVF_SQ8 | IVF + 量化 | 存储小、速度快 | 百万级以上 |
| IVF_PQ | IVF + Product Quantization | 存储强压缩 | 千万级数据 |
| HNSW | 图搜索 | 高召回+高速 | 最佳平衡，推荐 |
| ANNOY | 多树结构 | 内存占大 | 百万级以内 |
| DISKANN | Microsoft DiskANN | 低内存+超大数据 | 亿级、冷启动慢 |
Milvus v2 常用的是：HNSW / IVF_FLAT / IVF_PQ / DISKANN
3. 数据量不同如何选索引？（最关键）
◆ 场景A：数据量 < 10 万（<= 100k）
特点：数据量小，暴力搜索可接受。
推荐：HNSW（优先） 或 FLAT
| 索引 | 推荐理由 |
|---|---|
| HNSW | 查询速度极快 + 高准确率 |
| FLAT | 最简单、准确率100%，但速度较慢 |
适合场景：智能家电、个人助手、命令词库。
◆ 场景B：10万 ～ 100万（0.1M~1M）
特点：进入“倒排文件”发挥威力的区间。
推荐：HNSW（主力） 或 IVF_FLAT
| 索引 | 推荐理由 |
|---|---|
| HNSW | 全面强，高召回、高速 |
| IVF_FLAT | 训练简单、查询速度稳定 |
强烈建议调参：
nlist: 2048 ~ 8192
nprobe: 8 ~ 64
◆ 场景C：100万 ～ 1000万（1M~10M）
特点：存储、内存、查询延迟开始成为问题。
推荐：IVF_SQ8 或 IVF_PQ
| 索引 | 推荐理由 |
|---|---|
| IVF_SQ8 | 存储减半，准确率好 |
| IVF_PQ | 大幅压缩（1/8~1/16），速度快，召回可接受 |
PQ 示例：
index_type: IVF_PQ
params: { "nlist": 16384, "m": 16 }
适合大型家电 IoT 指令库、语音语义库等。
◆ 场景D：1000万 ～ 1亿（10M~100M）
这是高维向量库的“大规模工业级”场景。
推荐：DISKANN（Milvus 2.3 以后成熟）
| 性能 | 优点 |
|---|---|
| 几十毫秒级 | 不占内存（异步加载磁盘图） |
| 高召回 | 支持百亿数据级别 |
适合：
- 智能助手 + 多语种语料库
- 智能家电制造商的海量语音意图库
- 厂商云端 AI 中台
4. 最终汇总（千万项目实践表）
| 数据量 | 标量字段索引 | 向量字段索引 | 推荐理由 |
|---|---|---|---|
| 0～100k | Scalar | HNSW 或 FLAT | 召回高、实现简单 |
| 100k～1M | Scalar | HNSW 或 IVF_FLAT | 延迟低、准确率强 |
| 1M～10M | Scalar | IVF_SQ8 或 IVF_PQ | 存储节省、速度高 |
| 10M～100M | Scalar | DISKANN | 大规模、低内存、工业级 |
5. 给你的智能家电控制 Agent 的具体建议
你的场景一般是中小规模语料库（几万到几十万向量）。
因此：
推荐组合：
- 标量字段：Scalar Index
- 向量字段：HNSW（最佳）
配置示例：
{"index_type": "HNSW","metric_type": "COSINE","params": {"M": 16,"efConstruction": 200}
}
查询参数：
{"ef": 64}
6. 如果你愿意，我可以进一步给你：
- 智能家电控制 Agent 的整体架构（ASR + NLU + Intent Router + Tool Layer）
- 向量库 Schema 设计（id, command_text, device_type, intent, embedding）
- 数据清洗与负样本构造方法
- 端到端部署方案（Edge > Cloud）
- 如何提高 NLU 准确率（数据增强、对比学习、rerank）
你需要我继续补这些吗？