FAISS

一、项目简介

FAISS 是 Meta 开源的高效向量检索库，专注于海量向量的相似度搜索与聚类。它提供 Flat、IVF、HNSW、PQ 等多种索引，支持 GPU 加速，是向量检索领域的「基础设施」，被大量上层系统（含很多向量数据库与 RAG 框架）作为底层内核使用。

二、核心特性

• 索引丰富：Flat（精确）、IVF、HNSW、PQ 等按场景选择；
• GPU 加速：支持单卡/多卡，检索极快；
• 亿级规模：可处理超大规模向量集合；
• 量化压缩：乘积量化大幅降低内存；
• C++ / Python 双接口；
• 高性能：底层高度优化，支持批量检索。

三、适用场景

• 超大规模相似度检索与特征匹配；
• 作为自研检索系统的内核；
• 离线批量向量检索任务。

四、快速上手

pip install faiss-cpu        # 或 faiss-gpu
import faiss, numpy as np
index = faiss.IndexFlatL2(128)
index.add(np.random.random((1000, 128)).astype("float32"))
print(index.search(np.random.random((1,128)).astype("float32"), 3))

五、注意事项

• 它是「库」不是「服务」，持久化、分布式、并发需自己实现；
• 向量需自行归一化（L2/内积）以保证距离语义一致；
• 生产环境建议封装为服务或改用向量数据库。