不建图,pgvector迎来新对手
📋 总体概括
Tiger Data 开源了 pg_vectorsearch,用 PRISM 索引以数据分区加压缩替代 pgvector 的 HNSW 图结构,主打更低的内存占用与更快的索引构建。向量检索在 PostgreSQL 生态里第一次出现了成建制的第二条技术路线,AI 数据栈的选型逻辑正在被改写。
📄 正文
不建图,pgvector迎来新对手
2026 年 11 月,Tiger Data 发布了开源 PostgreSQL 扩展 pg_vectorsearch,目前处于 alpha 阶段。它最大的卖点不是性能跑分,而是换了一种建索引的思路:PRISM 索引用数据分区加压缩来组织向量,而不是沿用 pgvector HNSW 那套图结构。官方给出的判断很直接——降低内存需求和索引构建时间。
一句话概括我的核心判断:向量检索这个赛道,过去五年是“一条图索引路线打天下”,现在开始出现第二条成建制的路线。对每天在 PostgreSQL 上跑 AI 应用数据的工程师来说,这不是一次版本更新,而是一次选型逻辑的松动。这篇文章拆开讲清楚三件事:图索引到底贵在哪,PRISM 换打法换在哪,以及这个 alpha 阶段的项目值不值得你现在就跟进。
📊 图索引的内存账本,很多团队没算清
先讲一个几乎每个 AI 应用团队都会遇到的场景。
一个基于 RAG 的知识库应用,数据量从几十万条涨到千万级。工程团队起初用 pgvector,体验很顺:SQL 一个 ORDER BY embedding <=> query 就能拿到相似度排序,运维不用引入新组件。但数据量上来之后,DBA 会发现两件麻烦事:HNSW 索引的构建时间越来越长,做一次全量重建可能要停写几个小时;更关键的是,这张近邻图为了维持查询延迟,基本要常驻内存。内存就是云上最贵的资源之一,索引一大,实例规格就得往上跳。
这不是 pgvector 做得不好。HNSW 是一种近邻图(Hierarchical Navigable Small World)索引,它的原理就是在向量之间建一张可导航的图,查询时沿图跳跃逼近最近邻,换来的是极低的查询延迟。代价写在它的数学性质里:图要存边,边要常驻内存,图越大内存越贵。
InfoQ 对 pg_vectorsearch 的报道(作者 Renato Losio)把这一点点得很明白:PRISM 索引的核心差异,就是用数据分区和压缩替代图结构,从而降低内存要求和构建时间。
“Tiger Data 在发布说明中直言,目标是让大规模向量检索“不再依赖常驻内存的图结构”。InfoQ 报道援引其说法称,PRISM 的设计初衷就是解决 HNSW 在数据规模增长时内存占用与构建时间的双重瓶颈。
产业逻辑是这样的:PostgreSQL 已经成了 AI 应用数据的默认落点,Supabase、Neon 这类基于 PG 的应用平台把这套用法推成了事实标准。事实标准意味着使用量巨大,而使用量巨大意味着 HNSW 的内存成本问题被放大到产业级。任何能在这一项上做出数量级改进的技术,都有资格拿到一张牌桌门票。Tiger Data 押的就是这个位置。
⚙️ PRISM 的换打法:不建图,先分区再压缩
技术的价值要看路线,路线的价值要看取舍。
PRISM 的思路可以粗略理解为:与其在一个全局大图上找最近邻,不如先把数据按分区切开、压缩存好,查询时只去相关分区里找。这样内存里不需要常驻整张图,索引构建也天然可以按分区并行推进。
InfoQ 报道中给出了 PRISM 路线几个关键的官方数据(均为 Tiger Data 发布时的自测口径,尚需独立基准验证):
- 内存占用:PRISM 不需要像 HNSW 那样在内存中维护整个近邻图,大部分索引数据以压缩形态落盘,官方称内存占用可显著低于 HNSW,且增量主要随分区数而非图边数增长;
- 索引构建时间:由于省去了逐点插入建图的过程,构建变成“分区 + 压缩”的批处理式操作,可以按分区并行执行,官方称构建时间相比 HNSW 有数量级的缩短;
- 召回率:官方基准显示 PRISM 在压缩存储下仍能维持接近 HNSW 的召回率,但召回率与查询延迟的平衡取决于分区剪枝的精度,这一项在 InfoQ 报道中被明确标注为“待生产负载验证”。
对应的代价和收益,我列一张对比表(官方口径数据来自 InfoQ 报道,标注“推演”的为基于公开信息的工程判断):
| 维度 | pgvector HNSW | pg_vectorsearch PRISM |
|---|---|---|
| 索引结构 | 近邻图(图上导航) | 数据分区 + 压缩 |
| 内存占用 | 图结构常驻内存,随数据量增长明显 | 图结构免除,压缩后大部分数据落盘,官方称内存需求显著更低 |
| 索引构建 | 大规模数据下构建时间长,逐点插入建图 | 分区+压缩的批处理构建,可按分区并行,官方称缩短一个数量级 |
| 召回率 | 多年基准验证,低延迟下召回稳定 | 官方称接近 HNSW,但依赖剪枝精度,待独立基准验证 |
| 成熟度 | 多年迭代,生态成熟 | alpha 阶段,刚开源 |
| 生态位 | PG 向量检索事实标准 | 挑战者,主打规模化成本 |
| 查询延迟特性 | 低延迟优势明确 | 分区剪枝后的延迟表现待验证(推演) |
值得强调的是,表中有两处必须区分清楚:内存和构建时间是路线本身带来的结构性收益——不建图,图边的内存开销和建图的时间开销就天然不存在;而召回率和延迟是待验证项——它们取决于分区剪枝的精度和压缩算法的设计,官方自测数据不能替代真实负载的 benchmark。工程判断要区分“结构性优势”和“待验证项”,不要混为一谈。
🧭 Tiger Data 的第二曲线:从时序到 AI 数据栈
看懂 pg_vectorsearch,要先看懂发布者。
Tiger Data 是 PostgreSQL 生态里的老兵,它的前身正是做 TimescaleDB 的 Timescale——当年靠时序数据库扩展在 PG 生态里打出一片天。时序数据库的典型客户是监控、IoT、金融行情,这一类负载和向量检索有一个共同点:都是高吞吐写入、大规模数据、对存储和索引成本极度敏感的场景。分区(Partitioning)恰恰是时序数据库最核心的基本功,TimescaleDB 的 Hypertable 自动分区做了近十年。
所以 PRISM 选中“分区”作为核心思路,不是一个意外灵感,而是一家公司在自己最熟的技术资产里找 AI 时代的第二曲线。时序场景的分区方法论,平移到向量场景,做压缩和剪枝优化——这条路 Tiger Data 显然比大多数团队走得顺。事实上,InfoQ 报道也点出了这层渊源:Tiger Data 正是把做时序扩展多年积累的分区与压缩工程能力,直接复用到了向量索引这条新产品线上。
“产业层面,数据库厂商“用老手艺切新场景”的路径此前已有先例:Supabase 与 Neon 都是从通用 PG 平台切入 AI 数据栈的。InfoQ 报道认为,pg_vectorsearch 的发布是 PG 生态厂商集体押注 AI 数据基础设施的最新一步。
产业逻辑上,这代表了数据库行业 2025 到 2026 年的一个明显趋势:单场景数据库正在向“AI 时代的混合负载数据库”收敛。向量不再是一个独立品类,而是时序、全文检索、JSON 之外又一个要被 PG 原生支持的负载。厂商竞争的焦点从“我有没有向量能力”变成了“我的向量能力在规模化时成本更低”。
🚦 竞争格局:门票拿到了,牌桌上位置在哪
把主要玩家放在一起对比,格局可以从三个有依据的维度看:生态位(是否已成默认标准)、技术路线(图 vs 分区压缩)、成熟度(生产验证程度):
| 玩家 | 生态位 | 技术路线 | 成熟度 | 竞争态势 |
|---|---|---|---|---|
| pgvector | PG 向量检索事实标准,几乎所有 PG 应用平台的默认向量接口 | HNSW 近邻图 | 多年生产验证,生态成熟 | 在位者,护城河在生态而非技术 |
| pg_vectorsearch | 挑战者,新入场 | PRISM 分区 + 压缩 | alpha 阶段,刚开源 | 差异化路线,主打规模化成本,待真实负载验证 |
| Pinecone 等专用向量库 | 独立托管服务 | 专用自研索引 | 生产级成熟 | 被 PG 生态从内部挤压独立生存空间 |
| 云厂商托管向量引擎 | 绑定自家云平台 | 多为托管版 HNSW 或自研 | 生产级成熟 | 依赖云锁定,非 PG 原生路线 |
从这个表可以推出三个判断:
- pgvector 仍是领跑者。它的护城河不是技术而是生态:几乎所有 PG 应用平台的默认向量接口都是它,开发者心智已经锁定。换索引路线意味着换扩展、换运维心智,迁移成本是真实存在的。
- pg_vectorsearch 是有差异化路线的挑战者。技术上它不与 pgvector 在图索引上正面竞争,而是用分区加压缩开辟成本战场;加上 Tiger Data 的工程履历背书,牌桌位置是稳的——但商业价值还要等它从 alpha 走到稳定版、在真实负载上证明自己。
- 专用向量库被两头挤压。Pinecone 等厂商当年靠“PG 做不了大规模向量检索”起家,现在 PG 生态内部自己用分区加压缩路线解决这个问题,专用库的独立生存空间在收窄。
还有一层容易被忽视的生态逻辑:PG 向量扩展的竞争,本质是在争夺 AI 应用数据栈的入口。谁占据了向量接口,谁就有机会继续吃下检索之后的分析、治理、Feature Store 等后续负载。这也是为什么 Tiger Data 愿意在 alpha 阶段就开源——先抢开发者心智,再谈商业化。
⚠️ alpha 阶段的冷思考:现在该做什么
概念热归热,落地要冷静。alpha 阶段的产品进生产环境,历来是数据平台事故的高发区。给几个务实的建议:
重点说最后一条。pgvector 之所以难撼动,不只是索引质量,而是它已经成了 PG 向量生态的“默认 API”——教程、ORM 支持、托管平台集成全围着它转。pg_vectorsearch 若想被采纳,接口兼容性和平滑迁移路径会比索引算法本身更决定命运。
现在的正确姿势是关注和试点,不是切换。如果你的场景恰好是“数据量大、内存账单疼、需要频繁重建索引”,它值得放进测试清单;如果你的向量数据还在百万级以内,pgvector 依然是省心之选。
结语:路线之争才刚开始
pg_vectorsearch 的意义大于它本身:它证明了在 PostgreSQL 上做大规模向量检索,图索引不是唯一解,分区加压缩是一条被认真押注的第二路线。老牌 PG 厂商用自己的技术资产切 AI 场景,专用向量库的独立叙事进一步瓦解,AI 数据栈的选型从“用不用 PG”走向“PG 上选哪条索引路线”。接下来值得盯的是三件事:PRISM 在真实负载上的召回率与延迟数据、与 pgvector 的生态兼容程度,以及各托管 PG 平台会先把票投给谁。alpha 只是开哨,比赛在后头。
本文由本站 AI 辅助聚合生成,原始来源如下: