罗罗编程学习记录
本页内容 展开查看

05.6.3.3 过滤查询、一致性与多租户

所属:全栈开发面试题库 / 05 数据库与存储 / 05.6 向量数据库与语义检索 / 05.6.3 Qdrant

覆盖范围

  • filter 语法:must / should / must_not,match、range、geo、空值条件与嵌套
  • 过滤下推机制、索引辅助过滤与过滤基数对性能、召回的影响
  • 查询接口:search / query、limit、scroll 分页、order_by、group_by 分组
  • 写入确认 wait、write_consistency_factor、副本读一致性与可见性窗口
  • hybrid query:prefetch 多路召回、稀疏加稠密融合、命名向量分路
  • 多租户建模:payload 字段隔离、独立集合、租户限流与权限过滤、大租户优化

查询主线

请求 → filter 条件下推(索引 / 段扫描)→ ANN 取候选 → 过滤 + 重排
  ↓ 多路场景
prefetch 各路召回 → fusion 融合 → group_by 分组 → TopK 返回
写入 → wait 确认 → 副本复制 → 按一致性因子返回 → 可见性受副本加载影响

高频题速览

编号 题目 难度 频率
05.6.3.3-001 must / should / must_not 组合语义 基础 ★★★★★
05.6.3.3-011 写入 wait 参数语义 基础 ★★★★★
05.6.3.3-015 过滤下推:先过滤再 ANN 进阶 ★★★★★
05.6.3.3-022 write_consistency_factor 进阶 ★★★★☆
05.6.3.3-025 group_by 分组聚合 进阶 ★★★★☆
05.6.3.3-026 prefetch 多路召回 进阶 ★★★★★
05.6.3.3-035 权限过滤下推与漏检风险 高级 ★★★★☆
05.6.3.3-037 过滤慢查询定位 高级 ★★★★☆
05.6.3.3-042 混合检索权重调优 高级 ★★★★☆
05.6.3.3-048 多租户 RAG 检索综合设计 高级 ★★★★★

05.6.3.3-001 filter 中 must、should、must_not 分别表示什么语义?

频率 ★★★★★ | 难度 基础

一句话结论

must 表示必须命中(AND),should 表示可选命中(提升或满足其一),must_not 表示必须排除(NOT);三者按布尔逻辑组合,嵌套条件形成过滤树。

概念解释

  • must:条件集合内全部满足,用于主过滤维度如租户、状态。
  • should:条件满足其一即可,常用于 OR 与相关性加分,具体计分语义以官方语法为准。
  • must_not:命中即排除,用于屏蔽无效、过期或无权访问的数据。

原理流程

请求携带 filter → 解析 must / should / must_not 树 → 各叶子条件匹配 payload
→ 布尔组合得到候选集合 → 进入 ANN 检索

代码 / 命令

# filter 结构:{ must: [...], should: [...], must_not: [...] }
# 条件块字段名与枚举以官方过滤语法为准

常见误区

  • 误区:should 等价于 must。正解:should 不要求全部命中,缺省时命中规则要按语法确认。
  • 误区:must_not 写在 must 里效果一样。正解:否定条件应放 must_not,语义清晰且执行路径不同。

追问

  • 问:多个 must 条件是 AND 吗?答:同一 must 数组内条件并列满足,即 AND 组合。
  • 问:条件能再嵌套 filter 吗?答:可以嵌套布尔块构造复杂组合,层级不要过深以免难维护。

05.6.3.3-002 match_value 与 match_any 有什么区别?

频率 ★★★★☆ | 难度 基础

一句话结论

match_value 匹配字段等于单个值,match_any 匹配字段落在给定值集合中(任一命中);前者用于精确等值,后者用于多值枚举过滤。

概念解释

  • match_value:字段值等于指定标量,适用于 tenant、状态、类目等单值条件。
  • match_any:字段命中列表中任意一个值,适用于白名单类目、允许状态集合。
  • 数组字段:元素匹配规则按官方数组语义确认。

原理流程

单值条件 → match_value 等值匹配
多值白名单 → match_any 任一命中
→ 命中候选进入后续检索

代码 / 命令

# match 条件:单值 value / 多值 any(字段名以官方语法为准)
# 多值列表去重,避免重复枚举放大条件

常见误区

  • 误区:match_any 要求全部命中。正解:any 是任一命中,全部命中对应另一种匹配语义。
  • 误区:字符串列表匹配走全文索引。正解:精确枚举匹配用 keyword 类索引,词项检索才用全文索引。

追问

  • 问:数值字段能用 match_any 吗?答:可以,按数值集合匹配,范围比较仍用 range 条件。
  • 问:值列表很大时性能如何?答:长枚举列表增加匹配开销,应评估选择率与索引收益。

05.6.3.3-003 range 条件支持哪些比较?

频率 ★★★★☆ | 难度 基础

一句话结论

range 条件对数值或时间字段做区间比较,支持大于、大于等于、小于、小于等于与边界组合;时间戳字段应统一存储为可比较的数值类型。

概念解释

  • 比较方向:gte / lte / gt / lt 组合出闭区间或开区间。
  • 适用字段:整数、浮点、时间戳;字符串区间排序语义需谨慎使用。
  • 边界:上下界可只给一侧,构成单边范围。

原理流程

字段为数值 / 时间戳 → 配置 range 边界 → 扫描或索引定位区间内 point
→ 与其他布尔条件组合

代码 / 命令

# range 条件:{ gte, lte, gt, lt }(字段名以官方语法为准)
# 时间统一存时间戳数值,避免字符串解析比较

常见误区

  • 误区:时间存文本也能正确区间过滤。正解:文本按字典序比较,跨格式会出错。
  • 误区:range 边界默认闭区间。正解:gt / gte 与 lt / lte 语义不同,边界值是否包含要写清。

追问

  • 问:范围很宽时过滤还有用吗?答:宽区间裁剪有限,应结合高选择率条件。
  • 问:浮点范围要注意什么?答:精度与边界包含关系按业务口径设定。

05.6.3.3-004 复杂布尔条件如何嵌套书写?

频率 ★★★☆☆ | 难度 基础

一句话结论

复杂条件通过嵌套 filter 块表达“且中带或、或中带且”,外层 must 包内层 should 实现分组 OR;条件树应保持扁平可读,避免多层嵌套难以排查。

概念解释

  • 嵌套层级:filter 块可作为另一条件块的子节点。
  • 常见结构:must 内放 should 块,表示主条件满足且任选一组子条件。
  • 可维护性:业务条件变化时,扁平分组比深层嵌套更容易核对。

原理流程

拆解业务规则 → 拆成 must / should / must_not 分组 → 嵌套成树
→ 逐组验证命中样本 → 合并到查询请求

代码 / 命令

# 模板:must 主条件 + should 组内任选 + must_not 排除项
# 写过滤前先用几条样本数据预期结果,再核对实际命中

常见误区

  • 误区:所有条件平铺在 must 里。正解:OR 关系必须用 should 块表达,平铺会变成全 AND。
  • 误区:嵌套越深越精确。正解:深层嵌套增加理解与执行成本,能平铺就平铺。

追问

  • 问:组合条件结果不对怎么查?答:逐组打开 must / should / must_not 单跑,定位哪层逻辑错配。
  • 问:条件能跨字段引用吗?答:payload 过滤是单字段条件组合,不做字段间运算。

05.6.3.3-005 geo 过滤条件怎么写?

频率 ★★★☆☆ | 难度 基础

一句话结论

geo 条件按圆形半径或矩形边界圈定地理位置点,与向量检索组合实现“附近 + 语义相似”;字段必须是 geo 类型并建有对应索引。

概念解释

  • 圆形:中心点经纬度加半径,筛选范围内的点。
  • 矩形:经纬度上下左右边界框选。
  • 前置:payload 字段为 geo 结构,条件写法按官方 geo 过滤语法。

原理流程

写入 geo 点 → 建 geo 索引 → 查询带 geo 条件 → 圈定范围内候选
→ 在范围内执行向量近邻

代码 / 命令

# geo_radius / geo_bounding_box 条件结构以官方文档为准
# 半径单位与距离口径在方案中注明

常见误区

  • 误区:经纬度写成普通字符串就能距离过滤。正解:必须是 geo 类型字段与 geo 条件。
  • 误区:geo 条件不影响 ANN。正解:它先裁剪候选集,范围大小直接影响检索规模。

追问

  • 问:一个 point 多个地点怎么过滤?答:数组 geo 点的匹配语义按官方规则确认。
  • 问:半径很大时 geo 过滤有效吗?答:范围过宽裁剪有限,应配合其他条件。

05.6.3.3-006 过滤条件作用在 payload 字段与 point id 上有何不同?

频率 ★★★☆☆ | 难度 基础

一句话结论

payload 条件过滤业务标量与对象字段,id 条件按主键集合限定候选;id 匹配走主键定位,payload 匹配依赖字段索引或段内扫描。

概念解释

  • payload:租户、类目、时间、位置等业务属性,是多条件组合的主体。
  • id:按已知主键列表包含或排除 point,常用于结果限定与二次过滤。
  • 性能路径:主键定位快,payload 字段是否有索引决定匹配成本。

原理流程

已知 id 集合 → id 条件直接定位
业务属性筛选 → payload 条件匹配 → 两路结果交并进入 ANN

代码 / 命令

# id 条件与 payload 条件分别书写,字段名以官方语法为准
# 二次精筛可在召回后按 id 集合再过滤

常见误区

  • 误区:id 条件也需要建 payload 索引。正解:id 是主键标识,不依赖字段索引。
  • 误区:payload 条件能按 id 排序。正解:排序由 order_by 或距离完成,过滤不负责排序。

追问

  • 问:先按 id 还是先按 payload 过滤?答:执行顺序由引擎按索引与选择率决定,业务上两者都声明即可。
  • 问:id 列表能放多大?答:超长列表增加请求体与匹配成本,应分批或改业务字段过滤。

05.6.3.3-007 search 与 query 两类查询接口如何选择?

频率 ★★★★☆ | 难度 基础

一句话结论

基础向量近邻检索走 search 类接口;需要多路召回、融合、分组等组合能力时走 query 类接口,prefetch 与 fusion 结构在 query 接口中表达。

概念解释

  • search:单路向量相似度检索加过滤,结构简单,适合常规 RAG 召回。
  • query:组合查询入口,支持多路 prefetch、融合与分组,适合混合检索。
  • 版本边界:两类接口的可用能力以当前版本官方文档为准。

原理流程

单路语义检索 → search 请求(向量 + filter + limit)
多路 / 混合 → query 请求(prefetch 各路 + fusion + group_by)

代码 / 命令

# 接口路径与请求体字段以官方 API 为准
# 选型先看是否需要多路融合,不要在 search 里硬拼组合逻辑

常见误区

  • 误区:query 接口只是 search 的别名。正解:两者能力层级不同,组合查询结构只在 query 体系中表达。
  • 误区:所有新场景都用 query。正解:单路简单检索用 search 更直接,排障成本低。

追问

  • 问:接口版本不一致怎么办?答:客户端 SDK 与服务端版本要匹配,能力以服务端为准。
  • 问:同一集合两种接口结果一致吗?答:单路参数一致时基线结果应一致,融合类查询不可直接对比。

05.6.3.3-008 limit / top 与返回字段如何控制?

频率 ★★★☆☆ | 难度 基础

一句话结论

limit 控制返回的近邻条数,返回时可控制是否带出 payload 与向量;大 limit 增加候选归并与传输成本,应按业务展示需要设定。

概念解释

  • limit:返回 TopK 条数,影响归并排序与结果传输规模。
  • 返回控制:payload 与原始向量是否回传,可减少响应体积。
  • 候选关系:最终条数受过滤后剩余规模限制,不足 limit 时按实际命中返回。

原理流程

设定 limit → 检索取候选 → 过滤重排 → 取前 limit 条
→ 按字段控制回传 payload / vector

代码 / 命令

# 查询参数:limit、是否返回 payload、是否返回 vector(字段名以官方 API 为准)
# 只需 id 与距离时关闭 payload 回传,降低响应体积

常见误区

  • 误区:limit 设得越大召回越全且无成本。正解:大 limit 放大归并、排序与传输成本。
  • 误区:结果默认必带完整向量。正解:可关闭向量回传,除非下游需要二次计算。

追问

  • 问:RAG 取几条合适?答:按重排环节容量定,常见先取若干条交 rerank,不要盲目上百。
  • 问:过滤后结果不足 limit?答:正常返回实际命中数,不要为凑数放宽过滤条件。

05.6.3.3-009 scroll 分页遍历怎么使用?

频率 ★★★★☆ | 难度 基础

一句话结论

scroll 用于按批次遍历集合数据,配合 offset 或分页游标逐步取数,适合导出、对账与全量复核;它不是面向近邻检索的接口。

概念解释

  • 用途:全量或按过滤条件遍历 point,批量读取。
  • 分页方式:offset / 游标形式翻页,具体参数以官方接口为准。
  • 过滤:可带 filter 只遍历符合条件的子集。

原理流程

首批 scroll → 返回本批 point 与下一分页标识 → 循环取数直到无更多结果
→ 汇总用于导出 / 对账

代码 / 命令

# scroll 请求:limit + filter + 分页参数(字段名以官方 API 为准)
# 大批量遍历控制每批大小,避免单批响应过大

常见误区

  • 误区:scroll 用来做向量搜索。正解:scroll 是遍历读取,不做相似度排序。
  • 误区:深 offset 翻页没有成本。正解:分页越靠后定位开销越大,遍历应使用游标式分页。

追问

  • 问:遍历期间有写入会漏吗?答:快照时点与遍历一致性口径以官方语义为准,对账场景建议错峰或二次核对。
  • 问:批量导出用什么字段控制?答:按需返回 payload 与向量,控制单批体积。

05.6.3.3-010 order_by 排序用于什么场景?

频率 ★★★☆☆ | 难度 基础

一句话结论

order_by 按 payload 字段或其他指定维度排序返回,适合按时间、热度等标量维度列表展示;向量近邻场景的主排序仍是距离,不应用 order_by 替代相似度。

概念解释

  • 排序对象:标量字段升 / 降序,时间、数值热度等。
  • 与距离关系:近邻检索按距离排序;order_by 服务于列表遍历与场景化排序。
  • 索引配合:排序字段的索引情况影响排序效率。

原理流程

列表场景 → filter 限定范围 → order_by 指定字段与方向 → 分页返回
向量场景 → 按距离取 TopK,order_by 不参与主排序

代码 / 命令

# order_by 参数:字段名 + 方向(以官方 API 为准)
# 时间倒序列表与语义近邻是两类不同查询,分开建模

常见误区

  • 误区:order_by 能把相似结果排到前面。正解:它按标量值排序,与向量距离无关。
  • 误区:任意字段排序都很快。正解:无索引字段的大集合排序成本高。

追问

  • 问:距离和时间能组合排序吗?答:查询层组合排序按接口能力为准,必要时取回结果在业务侧融合。
  • 问:排序字段建什么索引?答:按字段类型选对应 payload 索引,参照索引类型题。

05.6.3.3-011 写入请求的 wait 参数是什么语义?

频率 ★★★★★ | 难度 基础

一句话结论

wait 控制写入接口是否等待数据落盘 / 可见后再返回;wait=true 牺牲写入吞吐换取写后立即可见,wait=false 返回更快但存在可见性窗口。

概念解释

  • true:请求等待写入持久化确认后返回,适合写完即查的关键链路。
  • false:接收即返回,数据进入写入流水线,可见时间取决于固化与副本加载。
  • 权衡:强等待拉高延迟、降低批量吞吐,批量导入通常用非等待模式。

原理流程

写入请求带 wait → true:等待落盘 / 副本确认再返回
→ false:接收入队即返回 → 后台固化 → 后续查询逐步可见

代码 / 命令

# upsert 请求中的 wait 布尔参数(字段名以官方 API 为准)
# 关键写后读链路用 true;批量导入用 false 并自行控制节奏

常见误区

  • 误区:返回成功就一定能被检索到。正解:wait=false 时存在可见性窗口,wait=true 也要结合段固化状态确认。
  • 误区:所有写入都该 wait=true。正解:会显著拉低吞吐,应按场景分级。

追问

  • 问:wait=true 仍查不到怎么办?答:检查段固化、副本加载与一致性参数,必要时按主键点查确认。
  • 问:批量导入用 false 怎么保证最终一致?答:分批完成后做行数对账与抽样检索验证。

05.6.3.3-012 批量 upsert 的结构与幂等怎么做?

频率 ★★★★☆ | 难度 基础

一句话结论

批量 upsert 在一个请求内提交多条 point,按主键覆盖写入;批量要保持主键唯一、维度一致,失败按主键幂等重试,避免重复插入产生重复 point。

概念解释

  • 批量结构:point 列表一次提交,减少往返开销。
  • 幂等:同 id 重复写入为覆盖,重试不会产生第二条相同主键记录。
  • 校验:批内向量维度、payload 类型需符合集合 schema。

原理流程

组装 point 列表(id + vector + payload)→ 批量 upsert
→ 部分失败按 id 重试 → 行数对账 → 点查抽样

代码 / 命令

# 批量请求:points 数组;每批大小按压测结果定,避免单批过大超时
# 重试只针对失败批次,按主键幂等重放

常见误区

  • 误区:批量里重复 id 会报错保留两条。正解:按主键覆盖,最终只留一条。
  • 误区:批量越大越快。正解:单批过大会超时、占用缓冲,分批并行更稳。

追问

  • 问:批内一条失败影响整批吗?答:失败粒度与返回结构以官方 API 为准,需核对哪些 point 未写入。
  • 问:批量写入要不要等索引?答:写入完成不等于索引就绪,开放检索前确认段状态。

05.6.3.3-013 多租户隔离的两种基本做法是什么?

频率 ★★★★☆ | 难度 基础

一句话结论

轻量做法是共享集合加租户字段过滤,重量做法是每租户独立集合;前者成本低、隔离弱,后者隔离强、schema 与资源可独立,按租户规模分级选择。

概念解释

  • 字段隔离:所有租户共享集合,查询强制带 tenant 条件过滤。
  • 独立集合:每租户或租户分组拥有独立集合,索引、副本与配额可单独配置。
  • 分级:小租户共享,大租户独立,头部可独立实例。

原理流程

评估租户数量 / 数据量 / QPS → 小租户共享集合 + 租户过滤
→ 大租户独立集合 → 头部独立实例 → 各级配配额与指标

代码 / 命令

# 共享集合:tenant_id 建索引,查询必须带租户条件
# 独立集合:集合名含租户标识,单独规划副本与存储

常见误区

  • 误区:共享集合只靠 where 条件就足够隔离。正解:大租户会拖慢同集合邻居,且漏带条件存在越权风险。
  • 误区:每租户一个集合最稳妥。正解:租户极多时集合元数据与运维成本不可承受。

追问

  • 问:共享集合怎么防漏带租户条件?答:查询构造层统一注入租户条件,权限校验在服务端兜底。
  • 问:集合数量很多有什么问题?答:元数据、索引构建与监控分散,运维开销上升。

05.6.3.3-014 权限过滤在检索链路中如何落地?

频率 ★★★☆☆ | 难度 基础

一句话结论

权限过滤作为强制 filter 条件下推到检索层,只返回当前身份可见的 point;条件应在服务端构造,不能依赖前端传参,避免越权检索到无权内容。

概念解释

  • 过滤维度:可见范围、所属租户、文档权限标签、状态等。
  • 注入位置:服务端鉴权后把权限条件并入 filter,与业务条件组合。
  • 兜底:即使向量相似度高,无权 point 也必须被 must_not 或 must 条件排除。

原理流程

身份鉴权 → 解析可见权限集合 → 构造权限 filter → 与查询条件合并
→ 检索只返回可见候选 → 结果回传前二次校验

代码 / 命令

# 权限条件按 match_any / must_not 表达,字段以权限模型为准
# 禁止把权限标签由客户端传入后直接使用

常见误区

  • 误区:返回结果少自然就没越权。正解:必须在检索条件层排除,不能靠业务展示过滤。
  • 误区:权限标签只写入 payload 不校验。正解:标签由服务端颁发与校验,防止篡改。

追问

  • 问:权限频繁变更怎么同步?答:权限标签随文档更新写入 payload,变更后及时刷新对应 point。
  • 问:跨租户权限怎么表达?答:按可见租户集合用 match_any 限定,集合过大时评估性能。

05.6.3.3-015 Qdrant 的过滤下推是怎么工作的?

频率 ★★★★★ | 难度 进阶

一句话结论

过滤条件在 ANN 检索前或检索过程中下推到段层面匹配,先缩小候选空间再做向量近邻,而不是取出全部结果在业务层后置过滤;索引辅助的过滤选择率越高,裁剪越有效。

概念解释

  • 下推位置:条件在存储 / 段层参与候选选择,减少进入距离计算的 point 数。
  • 索引辅助:高频过滤字段有索引时快速定位候选;无索引则段内扫描匹配。
  • 与后过滤区别:业务层后过滤要先取大量候选再剔除,候选浪费明显。

原理流程

filter 解析 → 索引定位或段内匹配 → 得到满足条件的候选集
→ ANN 在候选集内探索 → 重排返回

代码 / 命令

# 对比:同一查询带 / 不带过滤的候选规模与延迟
# 高选择率字段优先建索引,配合下推裁剪

常见误区

  • 误区:Qdrant 是先算向量距离再逐条过滤。正解:过滤条件参与候选裁剪,执行顺序由引擎按索引与选择率安排。
  • 误区:下推过滤不损失召回。正解:过滤本身正确,但 ANN 近似 + 强过滤组合下候选不足仍可能漏召。

追问

  • 问:下推过滤为什么比朴素后过滤好?答:候选集在进入距离计算前被裁剪,减少计算与传输浪费,大集合下差距明显。
  • 问:过滤字段没索引还能下推吗?答:能匹配,但退化为段内扫描,大集合下延迟高。

05.6.3.3-016 索引辅助过滤与段内扫描过滤如何区分?

频率 ★★★★☆ | 难度 进阶

一句话结论

有索引的字段通过索引倒排 / 结构快速定位候选;无索引字段只能逐段扫描 point 的 payload 匹配。判断依据是字段是否建索引、选择率高低与集合规模。

概念解释

  • 索引路径:字段建了对应类型索引,条件匹配走索引结构。
  • 扫描路径:未建索引或索引不适用,遍历段内 payload 逐条判断。
  • 混合:多条件中部分走索引、部分扫描,整体成本取决于最慢路径。

原理流程

条件字段 → 有索引:索引定位候选;无索引:段内扫描
→ 多条件求交 / 并 → 候选进入 ANN

代码 / 命令

# 排查慢过滤:先看条件字段是否建索引、选择率高低、段数量
# 高频高选择率字段补建索引后对比延迟

常见误区

  • 误区:建了索引所有条件都走索引。正解:条件类型与索引类型要匹配,不适用仍会扫描。
  • 误区:小集合也要纠结索引。正解:小集合扫描成本低,索引收益有限。

追问

  • 问:怎么确认某条件走没走索引?答:结合字段索引状态、选择率与执行延迟观察,具体执行计划以版本能力为准。
  • 问:多个扫描条件叠加更慢吗?答:逐条扫描成本叠加,应优先把主过滤字段索引化。

05.6.3.3-017 过滤基数(选择率)如何影响检索性能?

频率 ★★★★★ | 难度 进阶

一句话结论

选择率高(过滤后剩余少)裁剪效果好、计算量下降;选择率低(过滤后仍占大部分)裁剪有限,扫描与匹配成本占主导;应优先用高选择率条件做主过滤。

概念解释

  • 高选择率:条件命中比例低,候选集大幅缩小,ANN 探索空间变小。
  • 低选择率:条件几乎不过滤,等于在全量上检索,索引帮助有限。
  • 组合效果:多条件联合选择率高于单条件,但执行成本叠加。

原理流程

估算各条件命中比例 → 高选择率条件先裁剪 → 其余条件在小候选集上匹配
→ 观察过滤后候选规模与延迟

代码 / 命令

# 评估:统计字段分布与条件命中占比
# 慢查询先看过滤后候选量,再看索引与参数

常见误区

  • 误区:加了过滤就一定变快。正解:低选择率过滤裁剪有限,还可能增加匹配开销。
  • 误区:所有字段索引收益相同。正解:高选择率字段索引回报最高。

追问

  • 问:选择率怎么估算?答:按字段值分布与条件枚举范围统计,结合样本查询实测。
  • 问:低选择率字段要不要建索引?答:低频或几乎不过滤的字段可暂缓,优先主过滤字段。

05.6.3.3-018 强过滤条件会影响 ANN 召回吗?

频率 ★★★★★ | 难度 进阶

一句话结论

会。过滤把候选限定在子集内,ANN 在小候选集上探索时近邻可能因图遍历范围受限而漏召;过滤越强、候选越稀疏,越需要适当放宽探索参数或保证索引质量。

概念解释

  • 候选收窄:不满足条件的点被排除,图路径可能绕过应命中的近邻。
  • 稀疏候选:满足条件的点分布稀疏时,ANN 更容易错过局部近邻。
  • 缓解:提高查询探索宽度、保证图构建质量、必要时对强过滤场景评估扫描兜底。

原理流程

强过滤 → 候选子集 → ANN 在子集内探索
→ 候选稀疏导致漏召 → 调大探索宽度 / 核对索引 → golden set 验证

代码 / 命令

# 验证:强过滤场景单独统计 recall@k,不要用全量召回代替
# 对比不同 ef 下过滤场景的命中变化

常见误区

  • 误区:过滤只影响性能不影响结果。正解:候选收窄会改变 ANN 可达范围,召回可能下降。
  • 误区:过滤结果一定精确。正解:过滤条件本身精确,但叠加 ANN 近似后整体是近似召回。

追问

  • 问:过滤后候选很少怎么办?答:检查条件是否过严、字段值分布是否正常,再评估探索参数。
  • 问:什么场景过滤召回风险最高?答:高维 + 强过滤 + 稀疏命中 + 较小探索宽度的组合。

05.6.3.3-019 嵌套对象条件如何书写与匹配?

频率 ★★★☆☆ | 难度 进阶

一句话结论

嵌套条件按对象路径定位叶子字段,数组对象的元素级匹配有专门规则;写条件前先用样本确认路径与匹配语义,避免条件写对路径却匹配不到预期元素。

概念解释

  • 路径表达:条件字段名沿对象层级定位到嵌套属性。
  • 数组对象:对象数组中某元素满足条件的规则以官方嵌套语法为准。
  • 索引范围:嵌套字段能否单独索引、索引覆盖到哪一层需核对版本支持。

原理流程

查看 payload 嵌套结构 → 确定条件路径 → 构造嵌套条件
→ 样本数据验证命中元素 → 并入主 filter

代码 / 命令

# 嵌套条件写法以官方过滤语法为准
# 高频过滤属性建议平铺到顶层,简化路径与索引

常见误区

  • 误区:嵌套数组任一元素满足就算整体匹配,写法和平铺一样。正解:元素级匹配规则需单独确认。
  • 误区:深层嵌套天然能走索引。正解:索引覆盖层级有限,过深结构扫描成本高。

追问

  • 问:嵌套条件结果不对怎么查?答:用单条样本 point 核对路径取值,再检查数组元素匹配规则。
  • 问:复杂嵌套要不要改 schema?答:高频过滤字段平铺,低频展示字段保留嵌套。

05.6.3.3-020 数组字段的任意匹配与全部匹配有何区别?

频率 ★★★☆☆ | 难度 进阶

一句话结论

数组字段支持元素任一命中(any)与全部命中(all)两类语义,分别对应“包含某值”和“包含全部指定值”;混用会造成多标签检索结果错误。

概念解释

  • any:数组中存在一个元素满足条件即可,常用于标签白名单。
  • all:数组需包含全部指定元素,用于多标签同时满足。
  • 取值类型:元素类型与匹配条件要一致。

原理流程

标签数组 → any:命中任一白名单值
→ all:包含全部要求标签
→ 结果进入 ANN 候选

代码 / 命令

# any / all 条件字段名以官方语法为准
# 多标签检索先确认业务是“或”还是“且”,再选匹配语义

常见误区

  • 误区:match_any 要求数组包含全部值。正解:any 是任一命中,全部命中用 all 语义。
  • 误区:数组顺序参与匹配。正解:通常按元素集合匹配,与顺序无关。

追问

  • 问:空数组怎么匹配?答:结合 is_empty / 存在性条件处理,规则以官方语法为准。
  • 问:标签很多时索引有效吗?答:高基数标签集合评估索引收益,长标签列表匹配成本较高。

05.6.3.3-021 is_empty 与 is_null 条件如何使用?

频率 ★★★☆☆ | 难度 进阶

一句话结论

存在性条件用于判断字段缺失、为空或 null,常用于排除未填字段的 point;区分“字段不存在”“空数组 / 空字符串”与“显式 null”三种情况,避免条件漏匹配。

概念解释

  • 字段缺失:payload 中没有该键。
  • 空值:空数组、空字符串等空容器。
  • null:显式写入的空值;三者判定条件不同,具体支持形式以官方语法为准。

原理流程

明确要排除的情形(缺失 / 空 / null)→ 选对应存在性条件
→ must_not 排除或 must 限定存在 → 样本核对

代码 / 命令

# is_empty / is_null 条件字段名以官方语法为准
# 导入数据时统一空值约定,避免三种情况混用

常见误区

  • 误区:字段不存在等价于空数组。正解:缺失与空容器是不同判定,条件不能互换。
  • 误区:null 会被普通匹配命中。正解:null 需专门存在性条件处理。

追问

  • 问:可选字段怎么做过滤?答:先约定未填时的存储形式,再配对应存在性条件。
  • 问:存在性条件需要索引吗?答:以官方索引支持为准,大集合上核对扫描成本。

05.6.3.3-022 write_consistency_factor 在集群写入中起什么作用?

频率 ★★★★★ | 难度 进阶

一句话结论

该参数控制一次写入需要在多少个副本上确认成功才返回,副本确认门槛越高写入越可靠但延迟与失败率越高;具体参数名与默认值以官方文档为准。

概念解释

  • 确认门槛:写入分发到分片副本,达到指定副本数确认后响应。
  • 可靠性:门槛高降低部分副本未写入导致的读不一致。
  • 代价:任一慢副本都会拖长写入确认时间,可用副本不足时写入可能失败。

原理流程

写入 → 分发到分片副本 → 等待达到一致性因子的副本确认
→ 达标返回成功;未达标按失败 / 部分成功处理

代码 / 命令

# 集群集合配置中的写入一致性因子(字段名与取值以官方文档为准,不凭记忆写默认值)
# 按场景在可靠性与写入延迟间取舍

常见误区

  • 误区:因子等于副本数才安全。正解:按可用性与延迟权衡,过高门槛放大慢副本影响。
  • 误区:返回成功就所有副本都已写入。正解:达到确认门槛即返回,仍可能有滞后副本。

追问

  • 问:副本数少于一致性因子会怎样?答:写入无法满足确认门槛,应先保证可用副本数。
  • 问:读出来数据偏旧与这个参数有关吗?答:有关,副本复制滞后叠加读取选择策略会造成可见性差异。

05.6.3.3-023 集群读一致性与副本选择如何表现?

频率 ★★★★★ | 难度 进阶

一句话结论

读请求可路由到不同副本,副本间复制滞后会造成短暂读到旧版本;关键写后读场景需要更强的读一致性约束或按写入确认状态判断,具体读一致性参数以版本为准。

概念解释

  • 副本滞后:副本复制存在时间差,刚写入的数据可能只在部分副本可见。
  • 路由选择:读取按节点负载与副本状态分配,不一定命中刚写入的副本。
  • 可见窗口:与写入 wait、一致性因子、副本复制速度共同决定。

原理流程

写入复制到副本 → 读取路由到某副本 → 若副本滞后则读到旧版本
→ 写后读敏感场景:加强确认 / 点查校验 / 业务容忍窗口

代码 / 命令

# 核对:读请求是否支持指定副本或一致性偏好(以官方 API 为准)
# 观测:副本复制延迟、读陈旧相关指标

常见误区

  • 误区:集群各副本时刻完全一致。正解:复制有滞后窗口,读请求可能命中滞后副本。
  • 误区:读一致性只由 wait 参数决定。正解:wait 管写入确认,读路由与副本滞后是另一环节。

追问

  • 问:写后立即查不到怎么排查?答:先看副本复制延迟与读取命中副本,再看 wait 与一致性因子配置。
  • 问:怎么降低读陈旧?答:提高写入确认门槛、缩短复制滞后、关键读取走更强一致性路径。

05.6.3.3-024 wait=false 时的可见性窗口有多大,怎么控制?

频率 ★★★★☆ | 难度 进阶

一句话结论

wait=false 后数据进入写入流水线,经固化、副本复制与段加载后才对检索可见,窗口时长取决于写入吞吐、段固化节奏与集群负载;没有固定秒数,必须用实测埋点度量。

概念解释

  • 链路环节:接收 → WAL → 固化段 → 副本复制 → 索引 / 段加载。
  • 影响因素:批量大小、磁盘 IO、副本数、节点负载。
  • 度量:记录写入时间与首次可检索时间的差值分布,而不是拍脑袋估窗口。

原理流程

非等待写入 → 后台固化与复制 → 段可加载 → 检索可见
→ 埋点统计可见性延迟分布 → 超阈值链路改用等待模式

代码 / 命令

# 业务侧:写后读链路避免依赖即时可见,必要时按主键点查确认
# 观测:固化积压、复制延迟、首次可见时间 P99

常见误区

  • 误区:wait=false 几百毫秒内必可见。正解:窗口随负载变化,不能写死经验值。
  • 误区:可见性只受 wait 参数控制。正解:固化与复制速度同样决定窗口。

追问

  • 问:写完必须马上搜到怎么办?答:关键链路用 wait=true 或更强一致性,批量链路与即时链路分开。
  • 问:可见性延迟突增说明什么?答:固化 / 复制积压或资源饱和,先看队列与磁盘 IO。

05.6.3.3-025 group_by 分组聚合检索怎么使用?

频率 ★★★★☆ | 难度 进阶

一句话结论

group_by 按指定 payload 字段把近邻结果分组,每组取若干条,适合“每个类目 / 作者 / 文档各返回几条”的场景;分组字段需有合适基数,组内条数单独控制。

概念解释

  • 分组键:按字段值把结果聚成组,如按文档 id、类目分组。
  • 组内数量:每组返回的条数(group_size),整体组数受 limit 控制。
  • 适用:去重同一文档的多个 chunk、按类目分散展示结果。

原理流程

向量检索取候选 → 按分组字段聚合 → 每组保留 group_size 条
→ 按组返回 → 组内仍按距离排序

代码 / 命令

# group_by 参数:分组字段、每组条数、组数上限(字段名以官方 API 为准)
# RAG 常见:按文档 id 分组,每文档取 top chunk

常见误区

  • 误区:group_by 替代过滤条件。正解:分组是结果聚合,不做候选过滤。
  • 误区:分组字段基数越低越好。正解:基数过低组过大,过高则组数分散,按业务目标选。

追问

  • 问:分组后召回会不会变少?答:每组限额会截断同组结果,跨组覆盖需要足够候选池。
  • 问:分组字段要建索引吗?答:结合过滤频率与集合规模评估,分组本身的执行成本以引擎实现为准。

05.6.3.3-026 hybrid query 中 prefetch 多路召回如何组织?

频率 ★★★★★ | 难度 进阶

一句话结论

prefetch 在一次 query 中声明多路召回(稠密向量、稀疏向量或不同命名向量),每路独立带过滤与参数,各路候选进入后续融合;多路结构比在业务层多次调用再拼接更可控。

概念解释

  • 多路声明:每路一个 prefetch 项,指定向量路、查询向量、过滤与取数量。
  • 独立参数:各路可单独设 limit、过滤与探索参数。
  • 汇合:各路候选统一交给 fusion 阶段排序合并。

原理流程

query → prefetch[稠密路] + prefetch[稀疏路 / 其他命名向量]
→ 各路独立召回 → 候选汇合 → fusion 融合 → TopK

代码 / 命令

# query 请求:prefetch 数组 + fusion 配置(结构以官方 API 为准)
# 每路过滤条件保持一致,避免某路引入无权数据

常见误区

  • 误区:多路召回就是客户端调两次 search 再拼。正解:query 体系在服务端统一汇合,过滤与融合口径一致。
  • 误区:各路可以用不同过滤条件。正解:权限与租户条件必须各路一致,防止越权候选混入。

追问

  • 问:各路取多少候选合适?答:按组内 / 融合需要放大候选池,避免单路名额过少拖累融合。
  • 问:prefetch 能嵌套再分组吗?答:嵌套 prefetch 能力以版本支持为准,先核对官方结构。

05.6.3.3-027 稀疏向量与稠密向量如何融合排序?

频率 ★★★★★ | 难度 进阶

一句话结论

稠密路与稀疏路候选在 fusion 阶段按约定方式(如基于排名的融合)合并;融合只依赖各路排名而不要求分数量纲一致,具体融合方式枚举以官方 query 文档为准。

概念解释

  • 量纲问题:稠密距离与稀疏权重不可直接相加,融合按排名而非原始分数。
  • 融合方式:基于排名的融合算法用于跨路合并,权重与参数以官方实现为准。
  • 互补性:稀疏路补关键词精确匹配,稠密路补语义近似。

原理流程

稠密路排名 + 稀疏路排名 → fusion 按排名规则合并 → 综合 TopK
→ 业务侧可再接 rerank 精排

代码 / 命令

# fusion 类型配置以官方文档为准;不在文档外自编权重公式
# 验证:对比单路与融合的召回与典型 query 命中

常见误区

  • 误区:两路分数加权相加即可融合。正解:分数量纲不同,应走引擎提供的排名融合方式。
  • 误区:融合后无需再验证。正解:融合权重与路名额需用 golden set 调优。

追问

  • 问:融合后某路被压制怎么办?答:调整各路候选名额或融合参数,按分组召回对比定位。
  • 问:稀疏路召回差怎么补?答:检查词项切分与权重方案,必要时补全文索引过滤。

05.6.3.3-028 命名向量如何参与多路混合召回?

频率 ★★★☆☆ | 难度 进阶

一句话结论

不同命名向量作为独立 prefetch 路参与召回,各路指向同一 point 的不同向量槽位;结果通过共同 id 对齐,payload 一次回传,避免跨集合拼接对齐问题。

概念解释

  • 分路对应:每个 prefetch 项指定一个命名向量名称。
  • 数据对齐:同 point 多路向量共享 id 与 payload,融合后结果天然对齐。
  • 配置独立:各路距离与索引配置互不影响。

原理流程

集合内命名向量 A / B → query 按名称分别 prefetch
→ 各路召回 → 按 id 汇合融合 → 回传共享 payload

代码 / 命令

# prefetch 项中指定向量名称(字段名以官方 API 为准)
# 新增一路向量时同步检查查询的 prefetch 声明

常见误区

  • 误区:命名向量之间会自动互相匹配。正解:各路独立召回,融合发生在查询层。
  • 误区:某路缺失向量不影响结果。正解:缺失槽位的 point 在该路无候选,需评估覆盖。

追问

  • 问:多路向量模型版本不一致怎么办?答:payload 记录模型版本,查询时按版本选路或过滤。
  • 问:命名向量融合与跨集合融合哪个好?答:同集合命名向量对齐简单,跨集合需业务侧按 id 合并。

05.6.3.3-029 用 scroll 做大批量遍历导出要注意什么?

频率 ★★★☆☆ | 难度 进阶

一句话结论

全量导出按批次 scroll 遍历,控制单批大小与并发,记录分页游标;导出数据用于迁移或对账时要校验行数与抽样内容,并避开在线高峰执行。

概念解释

  • 分批:每批 limit 可控,避免响应过大超时。
  • 游标延续:按返回的分页标识取下一批,直到遍历完。
  • 一致性:遍历期间的写入可见性口径以官方语义为准,对账场景错峰或二次核对。

原理流程

首批 scroll(filter 可选)→ 取分页标识 → 循环批量导出
→ 行数统计 → 抽样校验 payload / 向量 → 落目标存储

代码 / 命令

# 导出批大小按内存与响应承受力设定;必要时带 filter 只导子集
# 导出文件记录导出时间、集合版本与条件

常见误区

  • 误区:一次 scroll 取全量。正解:大批量必须分页,单批过大会超时或占用内存。
  • 误区:导出即可直接迁移。正解:目标集合 schema 与维度要先对齐,再校验召回。

追问

  • 问:遍历期间数据在变怎么办?答:记录遍历时点,关键集合错峰导出或结束后增量补导。
  • 问:导出向量还是只导 payload?答:按迁移目标决定,重建向量可只导业务字段与原文映射。

05.6.3.3-030 深度分页有什么问题,怎么规避?

频率 ★★★☆☆ | 难度 进阶

一句话结论

越往后翻页定位成本越高,大偏移量遍历会拖慢查询;面向全量遍历应使用游标式分批,面向列表场景应限制翻页深度或用筛选条件收窄范围。

概念解释

  • 偏移成本:深偏移需要跳过前面大量候选,排序与定位开销随深度增长。
  • 游标分页:按上一页最后一条的标识续翻,避免重复扫描前面数据。
  • 适用边界:近邻检索本身只取 TopK,不存在深翻页需求;深分页多出现在列表遍历场景。

原理流程

列表需求 → 优先游标分批;深偏移查询 → 评估定位成本
→ 用筛选条件收窄或限制翻页深度

代码 / 命令

# scroll 分页参数以官方接口为准;避免在向量搜索上做深翻页
# 大数据量导出用分批游标,不用大 offset 直取

常见误区

  • 误区:向量搜索支持翻到第几百页。正解:ANN TopK 之外的深翻结果质量与性能都不可靠。
  • 误区:游标分页和 offset 一样。正解:游标续翻避免重复跳过前面候选。

追问

  • 问:用户要翻很多页怎么办?答:引导细化过滤条件,或改批次加载的列表交互。
  • 问:分页期间数据变动会重复 / 漏吗?答:快照口径以官方语义为准,稳定列表场景错峰读取。

05.6.3.3-031 租户字段过滤如何在 schema 与查询层建模?

频率 ★★★★☆ | 难度 进阶

一句话结论

租户标识作为稳定 payload 字段建索引,查询构造层强制注入租户条件;字段命名、类型与取值规范统一,避免多套租户标识导致漏过滤或越权。

概念解释

  • 字段设计:tenant_id 类型稳定、取值规范,与业务主键对应。
  • 强制注入:服务端查询构造器统一追加租户条件,不接受客户端覆盖。
  • 索引:共享集合中 tenant_id 是主过滤字段,优先建索引。

原理流程

写入时写 tenant_id → 查询构造层注入租户 filter
→ 与业务条件合并 → 检索只返回本租户候选
→ 结果回传前复核租户字段

代码 / 命令

# tenant_id 用 keyword 类索引;权限条件与租户条件分开表达
# 代码评审检查:所有查询路径是否都经过统一构造器

常见误区

  • 误区:前端传租户 id 直接过滤。正解:身份与租户归属在服务端解析,不能信客户端入参。
  • 误区:一个 point 存多个租户标识用数组就够。正解:多租户共享模型要仔细设计匹配语义。

追问

  • 问:租户更名或迁移怎么办?答:按主键批量更新 payload 字段,并对账校验。
  • 问:跨租户共享内容怎么建模?答:单独的可见范围字段配合权限条件,不混进租户主键。

05.6.3.3-032 每租户独立集合在什么情况下值得做?

频率 ★★★★☆ | 难度 进阶

一句话结论

当租户数据量大、QPS 高、SLA 或合规要求独立时拆独立集合;租户多而小则共享集合更经济。判断依据是单租户规模、隔离要求与集合数量带来的元数据成本。

概念解释

  • 独立收益:schema / 索引 / 副本可调,故障与资源隔离,配额单独计量。
  • 共享成本:大租户影响邻居,过滤条件必须全程正确注入。
  • 拆分代价:集合数量膨胀带来元数据、监控与运维开销,迁移需重建。

原理流程

按租户规模 / QPS / 合规分级 → 小租户共享 → 大租户独立集合 → 头部独立实例
→ 集合数量与元数据成本纳入规划

代码 / 命令

# 独立集合命名含租户标识,单独规划副本与存储
# 共享集合保留后续拆分路径:payload 已带 tenant_id 便于导出重建

常见误区

  • 误区:租户一上来全部独立集合。正解:小租户独立集合的运维成本远大于隔离收益。
  • 误区:独立集合就不需要权限过滤。正解:集合内仍可能有多用户或共享内容,权限条件不能省。

追问

  • 问:共享迁独立集合怎么做?答:按 tenant_id 导出,建新集合导入,双写灰度后切流。
  • 问:集合数量上限受什么约束?答:元数据内存、索引构建并发与监控分散度,具体容量以版本实测为准。

05.6.3.3-033 租户级限流与配额如何设计?

频率 ★★★☆☆ | 难度 高级

一句话结论

按租户维度分配查询 QPS、写入量与存储配额,超限拒绝或排队,并按租户维度监控指标;限流在接入层执行,避免单大租户打满共享集合资源。

概念解释

  • 配额维度:读 QPS、写吞吐、point 数 / 存储量,按租户等级分配。
  • 执行位置:接入层或服务端按租户标识计数限流。
  • 可观测:按租户统计请求量、拒绝数与延迟,定位异常租户。

原理流程

租户等级 → 配额分配 → 请求计数 → 超限拒绝 / 排队
→ 租户级指标看板 → 定期按用量调整配额

代码 / 命令

# 客户端配合:超时、退避重试,不无限重试被拒请求
# 配额阈值结合历史峰值与突发空间设定

常见误区

  • 误区:只做集合级总量限流。正解:总量公平不代表租户间公平,需要租户级配额。
  • 误区:超限直接报错即可。正解:应有排队 / 降级策略与明确错误码,便于客户端处理。

追问

  • 问:配额怎么定初始值?答:按业务等级与预估用量给基线,上线后按真实用量调整。
  • 问:突发流量怎么保护?答:预留突发额度 + 超限降级,服务端限流优先于客户端重试。

05.6.3.3-034 大租户在共享集合中如何优化?

频率 ★★★★☆ | 难度 高级

一句话结论

先确认瓶颈在数据量、QPS 还是过滤倾斜,再把大租户迁到独立集合或独立分片,配合独立配额与副本;短期可优化其过滤字段索引与查询参数,长期靠拆分隔离。

概念解释

  • 识别:按租户统计 point 数、内存、QPS 与 P99,找出占比异常的大租户。
  • 短期:补索引、调查询参数、限制大 TopK、分离冷热数据。
  • 长期:独立集合 / 分片 / 实例,隔离资源与故障域。

原理流程

租户级指标画像 → 定位大租户瓶颈 → 短期参数 / 索引优化
→ 评估拆分 → 独立集合迁移 → 独立配额与监控

代码 / 命令

# 拆分前:payload 已带 tenant_id,保证可按租户导出
# 迁移走双写灰度,避免直接切流

常见误区

  • 误区:大租户慢就加整个集群副本。正解:资源被大租户独占,隔离拆分比整体扩容更对症。
  • 误区:大租户单独索引就能解决。正解:资源竞争与故障隔离仍需结构拆分。

追问

  • 问:怎么判断该拆集合还是拆实例?答:先看集合内资源竞争程度与合规 / SLA 要求,头部客户再上独立实例。
  • 问:拆分期间邻居租户受影响吗?答:迁移读放大应错峰控制,双写阶段关注两侧延迟。

05.6.3.3-035 权限过滤下推有哪些漏检风险?

频率 ★★★★☆ | 难度 高级

一句话结论

漏检风险来自权限条件未注入、条件语义写反(must 写成 should / must_not 缺失)、多路召回某路漏带权限条件,以及权限更新未同步到 payload;权限过滤必须在服务端并在结果回传前复核。

概念解释

  • 注入遗漏:查询路径绕过统一构造器,未追加权限条件。
  • 语义错误:OR / AND / 否定关系写错,导致无权数据被纳入。
  • 多路风险:hybrid 各路过滤条件不一致,薄弱一路引入越权候选。
  • 滞后:权限变更后对应 point 的权限标签未及时刷新。

原理流程

鉴权 → 构造权限 filter → 各路召回都带同一权限条件
→ 结果回传前按权限集合复核 → 审计异常命中

代码 / 命令

# 评审清单:权限条件是否服务端注入、多路是否一致、否定条件是否齐全
# 定期抽样:用无权身份查询,核对结果不含越权 point

常见误区

  • 误区:向量相似度高的结果自然都是有权的。正解:相似度与权限无关,必须独立过滤。
  • 误区:权限标签写进 payload 就完成控制。正解:标签颁发、更新与条件注入都要闭环。

追问

  • 问:权限频繁变化怎么保证一致?答:权限变更触发对应 point 更新,对账任务扫描标签滞后。
  • 问:多路融合怎么防越权?答:每路 prefetch 带相同权限 filter,融合后再按 id 复核可见性。

05.6.3.3-036 高基数字段的过滤选择率如何估算?

频率 ★★★☆☆ | 难度 高级

一句话结论

高基数字段(如 user_id、文档 id)取值分散,单条件命中比例低但精确;估算选择率要看值分布与条件枚举规模,结合索引覆盖判断过滤收益与匹配成本。

概念解释

  • 高基数:不同取值多,单值命中 point 少,匹配精确。
  • 低基数:取值集中,单条件命中比例高,区分度弱。
  • 长枚举:match_any 列表很大时,即使单值选择率高,整体命中与匹配成本也上升。

原理流程

统计字段值分布 → 估算条件命中比例 → 结合索引判断路径
→ 高选择率字段优先索引 → 长枚举列表评估分批或改字段设计

代码 / 命令

# 样本统计:各值出现频次、条件命中占比
# 高基数精确匹配与低基数范围 / 类目条件分开评估

常见误区

  • 误区:高基数一定索引收益大。正解:若查询极少使用该字段,索引仍是浪费。
  • 误区:枚举列表越长过滤越准。正解:长列表放宽了条件,选择率下降且匹配成本上升。

追问

  • 问:权限集合很长怎么过滤?答:评估集合规模与选择率,必要时改用分组关系字段或独立集合。
  • 问:选择率估算不准怎么办?答:上线后用真实查询命中分布回填估算模型。

05.6.3.3-037 过滤慢查询如何逐层定位?

频率 ★★★★☆ | 难度 高级

一句话结论

先拆候选规模与耗时:条件字段是否有索引、选择率高低、段数量是否碎片、过滤后候选是否过大;定位到慢在索引缺失、扫描段多还是 ANN 探索过宽,再对症处理。

概念解释

  • 过滤侧:字段无索引、选择率低、嵌套 / 数组条件复杂、段碎片多。
  • 检索侧:候选过大导致距离计算多、查询 ef 过大、TopK 过大。
  • 资源侧:CPU / 内存 / IO 饱和使所有查询变慢。

原理流程

采集慢请求 → 拆分过滤与检索耗时 → 检查索引与选择率
→ 看段数量与资源水位 → 对症补索引 / 合并小段 / 调参数 → 回归压测

代码 / 命令

# 排查顺序:资源是否饱和 → 条件字段是否索引 → 过滤后候选量 → 段碎片 → 查询参数
# 对比带 / 不带过滤的延迟,判断瓶颈在过滤还是 ANN

常见误区

  • 误区:慢查询一律调大 ef 或扩容。正解:先定位瓶颈环节,参数方向常与直觉相反。
  • 误区:只看平均延迟。正解:P99 与慢请求样本才暴露过滤问题。

追问

  • 问:补索引后仍慢?答:检查选择率是否过低、段是否过碎、过滤条件是否过于复杂。
  • 问:嵌套条件慢怎么优化?答:高频属性平铺到顶层字段,简化匹配路径。

05.6.3.3-038 一致性强弱与写入吞吐如何权衡?

频率 ★★★★☆ | 难度 高级

一句话结论

等待确认越久、副本确认门槛越高,写入越可靠但吞吐越低、延迟越高;应按业务链路分级:写后读关键链路走强一致,批量导入走异步等待并对账兜底。

概念解释

  • 强确认:wait 等待、高一致性因子,覆盖慢副本确认成本。
  • 弱确认:接收即返回,吞吐高但存在可见性与副本滞后窗口。
  • 分级:不同链路用不同策略,避免全局强一致拖垮批量写入。

原理流程

识别链路:写后读 / 批量导入 / 离线重建
→ 关键链路强确认 → 批量链路弱等待 + 对账
→ 观测可见性延迟与写入吞吐曲线

代码 / 命令

# 批量:分批 + 非等待 + 行数对账;关键:等待确认 + 点查校验
# 阈值:按 P99 写入延迟与可接受可见窗口确定

常见误区

  • 误区:全链路强一致最安全。正解:吞吐代价大,批量场景应分级处理。
  • 误区:弱一致不用兜底。正解:需要对账与重试机制保证最终一致。

追问

  • 问:怎么度量一致性策略效果?答:统计写入延迟分布、可见性延迟与副本滞后,对比不同配置。
  • 问:慢副本拖累写入怎么办?答:检查副本健康与复制延迟,必要时修复副本再调高确认门槛。

05.6.3.3-039 多点写入冲突如何保证幂等?

频率 ★★★☆☆ | 难度 高级

一句话结论

按主键幂等 upsert,重复写入为覆盖而非新增;并发写同一 id 时以后写入为准,业务侧要避免同主键并发产生非预期覆盖,重试必须基于同一主键重放。

概念解释

  • 幂等键:point id 是唯一标识,重复 upsert 覆盖向量与 payload。
  • 并发覆盖:多请求同时写同一 id,最终结果取决于到达顺序,需业务层避免并发改写。
  • 重试安全:失败重试用同一 id,不会产生重复 point。

原理流程

业务生成稳定主键 → 批量 upsert → 失败按 id 重试
→ 对账按主键核对向量 / payload → 异常覆盖人工复核

代码 / 命令

# 主键来自业务唯一标识,避免重试时生成新 id
# 并发更新同一实体时加业务侧串行化或版本控制

常见误区

  • 误区:每次重试生成新 id。正解:会产生重复 point,必须复用原主键。
  • 误区:upsert 合并 payload。正解:覆盖语义下旧字段可能被替换,更新局部字段要按接口支持确认。

追问

  • 问:局部更新 payload 怎么做?答:以官方更新接口支持为准,不支持时读改写需防并发覆盖。
  • 问:主键冲突数据怎么排查?答:按 id 查写入记录与版本,确认覆盖来源。

05.6.3.3-040 副本读不一致有哪些现象,如何规避?

频率 ★★★☆☆ | 难度 高级

一句话结论

典型现象是刚写入的数据时有时无、同一查询多次结果抖动、读到旧版本 payload;规避靠提高写入确认、缩短复制滞后、关键读取走更强一致性,并在业务侧容忍或校验窗口。

概念解释

  • 现象:写后读偶尔缺失、结果随路由副本变化、payload 旧值。
  • 根因:副本复制滞后 + 读取路由到滞后副本。
  • 手段:写入确认门槛、副本健康监控、读一致性偏好、业务点查校验。

原理流程

观测读陈旧样本 → 定位滞后副本 → 检查复制延迟与写入确认配置
→ 关键链路加强确认 / 一致性 → 业务侧校验最新版本

代码 / 命令

# 监控:副本复制延迟、读陈旧相关指标、写后读缺失率
# 关键数据读取后可按主键复核版本字段

常见误区

  • 误区:结果抖动是 ANN 不稳定。正解:先排除副本读不一致,再谈索引召回问题。
  • 误区:加副本就能消除不一致。正解:副本越多复制面越大,滞后管理更重要。

追问

  • 问:复制滞后怎么排查?答:看副本间 point 版本差异与复制任务状态,定位慢副本节点。
  • 问:能否固定读到主副本?答:读一致性 / 副本偏好能力以官方 API 为准,不要假设客户端可控。

05.6.3.3-041 分组查询的性能与组内 TopK 如何权衡?

频率 ★★★☆☆ | 难度 高级

一句话结论

分组需要在候选池上按字段聚合,组数越多、每组条数越多,聚合与归并成本越高;应保证候选池覆盖各组,同时限制组数与组内条数,避免为少量组取超大候选。

概念解释

  • 候选池:分组前的近邻候选必须覆盖到目标组,否则组内无结果。
  • 聚合成本:按分组字段归组、每组排序取前 N,随组数与组内条数增长。
  • 业务平衡:每组条数满足展示即可,避免冗余候选与结果传输。

原理流程

确定组数与每组条数 → 放大候选池 → 检索 → 分组聚合 → 组内排序
→ 观测聚合耗时与结果覆盖 → 回调名额

代码 / 命令

# group_by 参数:分组字段、group_size、组数上限(以官方 API 为准)
# RAG 按文档分组时,候选池要足够覆盖目标文档数

常见误区

  • 误区:分组查询成本和普通 TopK 一样。正解:多了按字段聚合与组内排序环节。
  • 误区:组内条数越多结果越好。正解:超过展示需求只增加成本,不提升命中质量。

追问

  • 问:分组后某组缺失?答:先看候选池是否覆盖该组,再看分组字段取值是否规范。
  • 问:分组字段基数极大怎么办?答:评估组数上限,必要时先按过滤条件收窄范围。

05.6.3.3-042 混合检索的路名额与融合权重如何调优?

频率 ★★★★☆ | 难度 高级

一句话结论

调优对象是各路候选名额、融合参数与业务侧 rerank 衔接;用 golden set 分组对比单路与融合命中,按查询类型(语义类 / 关键词类)调整,而不是拍脑袋定权重。

概念解释

  • 路名额:每路 prefetch 取多少候选,名额过少会让该路进不了融合。
  • 融合:按引擎提供的排名融合方式,权重 / 参数以官方实现为准。
  • 分层:融合后可接业务侧 rerank 精排,向量库只负责候选召回。

原理流程

单路基线召回 → 各路名额实验 → 融合参数对比
→ 按 query 类型分组统计 → 确定配置 → 上线后回归监控

代码 / 命令

# 实验记录:各路名额、融合配置、单路 / 融合 recall@k、P99
# 关键词类与语义类 query 分开评估

常见误区

  • 误区:融合权重凭经验一次定死。正解:必须用标注集对比不同配置的命中差异。
  • 误区:融合能替代 rerank。正解:融合解决跨路合并,精细相关性仍可由外部 rerank 完成。

追问

  • 问:某类 query 融合后变差?答:检查该类查询更依赖哪一路,单独调名额或保留单路策略。
  • 问:融合结果怎么灰度?答:影子读对比新旧配置命中,小流量观察后再切换。

05.6.3.3-043 稀疏向量如何适配 BM25 类关键词检索?

频率 ★★★☆☆ | 难度 高级

一句话结论

把词项与权重映射为稀疏向量参与检索,可在同一混合链路中补关键词匹配;权重方案、词项切分与 IDF 类修饰需用语料验证,效果不及专用全文检索时应保留全文索引或外部检索补充。

概念解释

  • 映射:词项作为稀疏维度,权重取自词频 / 权重方案。
  • 修饰:是否支持 IDF 类权重修饰以官方稀疏向量文档为准。
  • 边界:中文切分、词项归一与停用词处理决定关键词命中质量。

原理流程

文本 → 切分词项 → 算权重 → 稀疏向量写入
→ 稀疏路召回 → 与稠密路融合 → 关键词命中效果验证

代码 / 命令

# 稀疏向量结构与可选修饰项以官方文档为准,拿不准标注待确认
# 对比:稀疏路 vs 全文索引在关键词 query 上的命中

常见误区

  • 误区:稀疏向量天然等于 BM25。正解:权重方案需自行适配,IDF 等机制支持范围以版本为准。
  • 误区:有了稀疏路就不需要过滤条件。正解:租户、权限等标量过滤仍由 payload 条件承担。

追问

  • 问:关键词精确匹配召回差怎么办?答:检查切词与归一化,必要时用全文索引条件辅助过滤。
  • 问:稀疏向量要存原始词项吗?答:展示与对账可在 payload 保留原文映射。

05.6.3.3-044 多租户从共享集合迁到独立集合如何执行?

频率 ★★★☆☆ | 难度 高级

一句话结论

迁移按「按租户导出 → 建新集合 → 双写 → 影子读对比 → 灰度切流 → 对账清理」执行;向量不重算,沿用原向量导入,迁移前后用相同 golden set 核对召回。

概念解释

  • 导出:按 tenant_id 过滤 scroll 导出 point 向量与 payload。
  • 双写:切换期新旧集合同时写入,保证两侧数据对齐。
  • 校验:行数、主键集合、抽样检索结果逐项对比。

原理流程

建新独立集合 → 导出租户数据导入 → 开启双写
→ 影子读对比 → 灰度切流 → 对账一致 → 旧集合下线

代码 / 命令

# 迁移记录:导出时间、行数、向量维度、校验结果
# 回滚路径保留:旧集合在观察期内不删除

常见误区

  • 误区:直接停写再搬迁。正解:停机搬迁窗口大,双写灰度更稳。
  • 误区:导完 payload 即可。正解:向量与索引状态都要校验,独立集合需重新构建索引。

追问

  • 问:迁移期间新增数据怎么办?答:双写覆盖增量,切换前按主键对账补齐差异。
  • 问:独立集合参数怎么定?答:参考该租户历史规模与 QPS,单独规划副本与量化。

05.6.3.3-045 租户数据合规删除如何落地?

频率 ★★★☆☆ | 难度 高级

一句话结论

删除要覆盖检索库 point、索引中的可检索状态、备份与冗余副本;标记删除后经合并物理清理,备份与历史快照按合规保留期处理,并保留可审计的删除记录。

概念解释

  • 检索库:按主键标记删除,对应 point 不再参与检索。
  • 物理清理:合并段时移除已删除数据,空间随后回收。
  • 冗余副本:备份、快照、日志与缓存中的副本需纳入合规处置范围。

原理流程

接收删除请求 → 按主键标记删除 → 触发合并清理
→ 处置备份 / 快照保留期 → 记录审计 → 抽样核验不可检索

代码 / 命令

# 核验:按主键点查与抽样检索确认无命中;统计剩余相关 point
# 快照备份的删除策略按合规要求执行

常见误区

  • 误区:删除接口返回成功即合规完成。正解:物理清理、备份副本与审计才算闭环。
  • 误区:向量不含原文无需删除。正解:向量可关联回原文,仍按合规要求删除。

追问

  • 问:删除后空间没释放?答:等待合并物理清理,删除比例达到阈值再评估触发。
  • 问:多租户批量删除怎么做?答:按租户条件批量标记,分批执行并记录审计批次。

05.6.3.3-046 强过滤叠加量化时召回退化怎么分析?

频率 ★★★☆☆ | 难度 高级

一句话结论

过滤收窄候选 + 量化压缩误差两层因素叠加,可能比单因素更易漏召;分析时分别关闭 / 调整量化与过滤条件,用分组 golden set 定位退化来自压缩还是候选收窄。

概念解释

  • 两层叠加:ANN 候选被过滤限定子集,量化又在子集内引入距离误差。
  • 定位方法:分别对比全精度 / 量化、强过滤 / 弱过滤的 recall 差异。
  • 兜底:保留原始向量重打分、放宽探索参数、必要时对强过滤场景关闭激进量化。

原理流程

分四组对比:全精度无过滤 / 全精度强过滤 / 量化无过滤 / 量化强过滤
→ 定位退化来源 → 调量化保留策略 / 探索宽度 → 复测召回

代码 / 命令

# 分组记录 recall@k 与候选规模;强过滤场景单独建标注集
# 不达标时优先恢复重打分能力,而非盲目加大 ef

常见误区

  • 误区:召回下降一律归因于量化。正解:强过滤收窄候选同样会漏召,需分离变量。
  • 误区:量化在全量上召回达标就能用于强过滤。正解:子集分布不同,需单独验证。

追问

  • 问:退化场景怎么兜底?答:保留原始向量重排、放大候选池、必要时该集合用更轻量化。
  • 问:怎么持续监控退化?答:上线后按查询类型统计命中与反馈,回归 golden set。

05.6.3.3-047 上线前查询模型检查清单包含哪些项?

频率 ★★★☆☆ | 难度 高级

一句话结论

清单覆盖过滤字段与索引、权限条件注入、各路召回一致性、查询参数基线、分页与分组边界、一致性策略与灰度对比;每条主查询路径都要用样本数据验证命中。

概念解释

  • 过滤:字段类型、索引、选择率、嵌套与数组语义核对。
  • 权限:服务端注入、多路一致、结果复核。
  • 检索:limit / 分组 / 分页参数、一致性等待策略、golden set 召回基线。

原理流程

梳理查询路径 → 核对 filter 与索引 → 验证权限隔离
→ 压测延迟与召回 → 灰度影子读对比 → 归档参数基线

代码 / 命令

# 验收:典型 / 边界 query 命中正确,无权身份查不到越权结果
# 记录:filter 结构、各路名额、融合配置、一致性策略

常见误区

  • 误区:只验证正常查询能返回结果。正解:边界条件、权限排除与强过滤场景都要测。
  • 误区:查询参数上线后不再复盘。正解:语料与租户分布变化后要回归召回与延迟。

追问

  • 问:清单谁来核对?答:开发实现 + 评审复核权限与过滤逻辑,测试覆盖边界样本。
  • 问:上线后发现过滤逻辑错怎么办?答:先修条件注入路径,再对账已写入数据的标签一致性。

05.6.3.3-048 设计一个多租户 RAG 检索链路的 Qdrant 方案?

频率 ★★★★★ | 难度 高级

一句话结论

按「租户分级建模 → 权限与租户过滤下推 → 稠密 + 稀疏多路融合 → 分组去重 → 一致性与限流兜底 → 召回与延迟验证」给出方案,明确隔离层级、参数基线与回滚路径。

概念解释

  • 输入:租户数量与规模、文档 chunk 量、维度、权限模型、QPS 与 P99 目标。
  • 决策:共享 / 独立集合划分、租户与权限字段索引、各路召回与融合、分组策略、写入一致性等级。
  • 交付:查询结构草案、过滤条件模板、配额与限流、golden set 召回结果、灰度与回滚方案。

原理流程

1) 租户分级与集合划分 → 2) 权限 / 租户字段建模与索引
3) 稠密 + 稀疏 prefetch 融合 → 4) 按文档 group_by 去重
5) 写入一致性与租户限流 → 6) 影子读灰度 → 7) 召回与延迟回归

代码 / 命令

# 面试表达:先说租户与权限假设 → 再说检索链路 → 再说隔离与兜底 → 最后说验证
# 关键约束:权限条件服务端注入且各路一致,结果回传前复核

常见误区

  • 误区:只设计向量召回,忽略权限过滤。正解:多租户 RAG 中权限与租户隔离是硬约束。
  • 误区:所有租户同一套集合与参数。正解:按规模分级,大租户独立隔离。

追问

  • 问:头部租户怎么单独保障?答:独立集合或实例、独立配额与副本,单独监控 P99。
  • 问:怎么验证检索方案?答:用带权限标注的 golden set 核对召回与越权情况,压测目标 QPS 下 P99。

参考来源