TL;DR： 对HNSW搜索引擎的三项改进使高k值下的K近邻吞吐量提升最高达29%，在并发负载下提升超过20%。无需API变更、无需重建索引、无需配置。只需更快的搜索。
Manticore中更快的K近邻搜索
Manticore的K近邻搜索基于hnswlib ，这是一个开源的HNSW实现。历史上，我们的大部分K近邻工作集中在自定义距离函数上，例如用于二进制量化的方法，而不是hnswlib的核心搜索循环。我们还添加了诸如使用ACORN-1预过滤 和提前终止 等功能，但主搜索循环保持不变：hnswlib仍然访问邻居、计算距离，并以相同方式维护候选集。
这些改进更进一步，修改了hnswlib的核心搜索循环本身——重构了如何遍历邻居、如何调用距离函数以及如何与CPU的内存层次结构交互。结合列式库中新的AVX-512距离实现，这些改进针对三个性能瓶颈：低效的内存访问模式、冗余的数据加载和间接函数调用开销。
编译时距离函数特化
此前，距离函数是一个存储在HNSW索引中的运行时函数指针，并为每个候选项调用。对于大规模搜索预算，这意味着每个查询可能有大量的间接调用。间接调用会阻止编译器将距离函数内联到搜索循环中，并产生分支预测开销。
新代码使用C++模板在编译时解析距离函数。当搜索开始时，一个单一的switch语句根据距离度量和量化设置选择正确的模板特化。从那时起，整个内循环——邻居遍历、距离计算、候选集更新——作为一个单体函数运行，距离计算完全内联。现在编译器可以跨距离计算边界优化寄存器分配、指令调度和循环展开。
两遍邻居处理
HNSW算法通过访问节点并计算其邻居的距离来探索图。在原始实现中，每个邻居在单次遍历中被处理：检查是否已访问，获取其向量数据，计算距离，更新候选集。这意味着在数据需要之前，内存预取提示几乎没有时间生效。
新实现将其拆分为两遍。第一遍遍历当前节点的所有邻居，跳过已访问的邻居，并将未访问的邻居收集到一个小的批处理数组中。当每个邻居被添加到批处理时，会为其向量数据发出预取提示。第二遍遍历该批处理并计算距离。当第二遍到达每个向量时，第一遍的预取已经将数据加载到缓存中。
第二遍遍历的是候选ID的紧凑顺序数组，而不是图结构本身。底层的向量加载仍然是分散的，但数据已经被提前预取。
对于未过滤的查询（K近邻搜索没有WHERE子句），新代码还采用了一条快速路径，完全消除了每个候选的过滤检查。
批量距离计算
两遍结构在两个方面有所帮助：它为预取提供了更多时间，也使批处理变得容易。一旦第二遍有了紧凑的候选列表，它就可以一次处理两个候选，而不是逐个处理。
在评分两个候选时，查询向量在每个SIMD迭代中加载一次，并用于两个距离计算，消除了冗余加载。
这减少了重复的查询端加载，并允许评分循环成对处理候选，对于奇数余数有回退方案。为内积、L2距离及其二进制量化变体提供了批量2函数。
AVX-512支持
新的AVX-512距离代码每迭代处理16个浮点数，而不是AVX2的8个。对于内积和L2距离，核心循环使用融合乘加（_mm512_fmadd_ps），将乘法和累加合并为一条指令。对于二进制量化向量，AVX-512的VPOPCNTDQ扩展加速了距离计算中使用的位计数操作。
Manticore现在提供三种库变体：基线构建、AVX2构建和AVX-512构建。启动时，Manticore会检测CPU的能力并自动加载适当的库。无需配置。
基准测试结果
以下基准测试在dbpedia-openai-1M-1536-angular 数据集（1M向量，1536维，余弦距离）上运行，使用AMD Ryzen 7 9700X（Zen 5，8个物理核心/16个逻辑核心）。所有数据使用1位二进制量化，禁用过采样和重评分。对于多线程运行，吞吐量报告为每线程平均查询每秒：每个工作者运行自己的查询批次，其QPS独立测量，最终数字是跨工作者的平均值。每个结果是6次独立运行的平均值。还禁用了提前终止，以隔离这些优化对原始HNSW遍历的影响。
Zen 5 被选中是因为它支持原生 512 位数据路径的 AVX-512，避免了某些较旧的英特尔处理器与拆分 512 执行行为和重大的 AVX-512 降频相关的性能问题。这有助于将这些变化的算法影响与 CPU 特定的 AVX-512 限速行为隔离开来。
仅算法改进
第一张图表通过将新的 AVX2 构建与之前的 AVX2 构建进行比较，隔离了算法更改（两遍处理、批量距离、编译时调度）的影响。两个构建使用相同的 SIMD 指令集，因此差异纯粹来自新的代码结构。
在单线程情况下，从 k=10 的 +3% 到 k=1000 的 +24%，随着距离计算在搜索工作负载中占主导地位，增益稳步增长。随着更多线程竞争内存带宽，每个线程的增益缩小：在 4 或 8 个线程时为 +9-10%，在 16 个线程时仅为 +2-5%。
16 线程情况是超线程（每个物理核心运行两个线程）。距离计算是内存密集型的，当两个线程共享一个核心的 L1/L2 缓存时，预取和批量处理的优势部分被共享资源竞争所抵消。算法改进仍然有帮助，但提升空间缩小了。
SIMD 宽度优势（AVX-512 与 AVX2）
第二张图表通过将 AVX-512 构建与新的 AVX2 构建进行比较，隔离了 AVX-512 的影响（两者都具有相同的算法改进）。
在 k=10 时，无论线程数如何，AVX-512 都比 AVX2 稍慢（约 -2%）。这是 AVX-512 特有的：仅算法改进不会显示这种回归，因此这不是每个查询的统一开销。从 k=30 开始，AVX-512 在每个线程数上都超越了 AVX-2。
有趣的是，AVX-512 的优势随着线程数增加而增长。尽管此基准禁用了过采样，但默认的 Manticore KNN 查询使用 LIMIT 20，并且默认 oversampling=3.0（这会乘以量化搜索后重新评分的有效 HNSW 搜索预算），这在内部变为 k=60。在 k=60 时，AVX-512 与 AVX2（新）在单线程时为 +1.2%，4 线程时为 +2.6%，8 线程时为 +3.4%，16 线程时为 +6.5%。
综合改进（AVX-512 与旧代码）
第三张图表显示了累积效果：使用所有新代码的 AVX-512 与之前的 AVX2 构建进行比较。这是用户从之前的 Manticore 版本升级到新版本时，如果他们的 CPU 支持 AVX-512 会看到的效果。
单线程曲线从 k=10 的 +0.5% 上升到 k=1000 的 +29%。多线程曲线在 k=1000 时都达到 +22-24%。改进在不同线程数上广泛分布——算法和 SIMD 改进在不同并发级别上组合不同，但综合结果在中等至高 k 值时始终显著。
为什么增益随 k 增大而增长
所有三张图表都显示了相同的形状：低 k 时改进较小，高 k 时改进较大。原因是低 k 查询在图遍历（访问节点、检查已访问位、弹出候选集）上花费更多时间——这些工作与图结构相关，而不是 k。随着 k 增大，有效搜索预算按比例增长，查询在距离计算上花费更多时间。优化针对距离计算及其周围的循环，因此它们的增益与距离计算在工作量中所占比例成正比。
这对您意味着什么
这些改进不需要您采取任何行动。它们已在最近的 Manticore Search 27.1.5 版本 中提供；没有 API 更改，没有新的配置选项，也不需要重建索引。
这些增益与 KNN 提前终止 叠加：提前终止减少了每个查询的距离计算次数，而这些优化使每次计算更快。
最大的改进出现在以下情况：
- 高维向量（每次距离计算涉及更多算术运算，更多 SIMD 优势）
- 大的 k 值（总距离计算次数更多，更多批量处理和缓存优化的机会）
- 带有过采样的查询（过采样乘以有效 k，使查询进入增益最大的范围）
进一步阅读
- KNN 提前终止文档 - Manticore 如何检测 HNSW 收敛并提前停止
- KNN 过滤文档 - ACORN-1 如何与预过滤配合工作
- KNN 向量搜索参考 - 完整语法、参数、量化、重新评分