mirror of
https://gitee.com/milvus-io/milvus.git
synced 2024-12-01 11:29:48 +08:00
57 lines
2.5 KiB
Markdown
57 lines
2.5 KiB
Markdown
# How Proxy Reduce the Multiple Search Results?
|
||
|
||
## Search Results 的组织形式
|
||
|
||
假设对于某个特定的 Search 请求，该 Search 请求 nq = 2，topk = 10，Proxy 收到来自 Query Nodes 的 4 份 Search Result。
|
||
|
||
每一份 Search Result 都是 nq \* topk 的二维结构，如下图所示，该结果表示用户输入了 nq 个向量，希望分别获取和这 nq 个向量最相似的 topk 个向量。
|
||
|
||
|
||
|
||
对于同一个 query，topk 个命中结果按照 score 降序，score 越大，表示命中结果与待查向量越相似。不同 query 之间命中结果互相独立。
|
||
|
||
因此我们下面讨论 Proxy 如何对结果进行归并也只关注一个 query 结果如何归并即可，对 nq 个 query 结果，循环遍历 nq 或者并行处理即可。
|
||
|
||
于是问题退化为，4 个长度为 topk(10) 的数组，每个数组降序排列，如何从这 4 个数组中得到其中最大的 10(topk) 个数。如下图所示：
|
||
|
||
|
||
|
||
## 多路归并算法
|
||
|
||
该算法的伪代码如下：
|
||
|
||
```golang
|
||
n = 4
|
||
multiple_results = [[topk results 1], [topk results 2], [topk results 3], [topk results 4]]
|
||
locs = [0, 0, 0, 0]
|
||
topk_results = []
|
||
for i -> topk:
|
||
score = min_score
|
||
choice = -1
|
||
for j -> n:
|
||
choiceOffset = locs[j]
|
||
if choiceOffset > topk:
|
||
// all result from this way has been got, got from other way
|
||
continue
|
||
score_this_way = multiple_results[j][choiceOffset]
|
||
if score_this_way > score:
|
||
choice = j
|
||
score = score_this_way
|
||
if choice != -1:
|
||
// update location
|
||
locs[choice]++
|
||
topk_results = append(topk_results, choice)
|
||
```
|
||
|
||
该算法脱胎于归并排序算法的归并阶段，两者共同点是归并时结果已经排序，不同点是归并排序是归并两路结果，reduce 这里归并多路结果。
|
||
|
||
对比归并排序时使用两个指针记录两路结果的偏移量，proxy reduce 使用多个指针 locs 记录多路结果的偏移量。
|
||
|
||
具体到该例子，n 表示有 4 份结果需要归并，multiple_results 是四份 topk 的数组，locs 里面每一个 choiceOffset 记录了每一路的偏移量。
|
||
|
||
该偏移量对应的 score_this_way 记录了当前这一路的最大值，因此取下一个较大的 score 时只需要从这四个最大值里面挑一个即可。
|
||
|
||
这样子保证了我们每次取的结果都是剩余结果中最大的。
|
||
|
||
该算法最多只会线性扫描所有的 Search Results，因此该算法的时间复杂度为 n \* topk。
|