> ## Documentation Index
> Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# ajustes de sesión de vector_search_*

> Ajustes de sesión de ClickHouse en el grupo generado vector_search_*.

export const SettingsInfoBlock = ({type, default_value, changeable_without_restart}) => {
  return <div className="not-prose" style={{
    display: "flex",
    flexWrap: "wrap",
    alignItems: "baseline",
    columnGap: "0.5rem",
    rowGap: "0.125rem",
    margin: "0.375rem 0",
    fontSize: "0.8125rem",
    lineHeight: "1.125rem"
  }}>
      <div style={{
    fontWeight: 600,
    opacity: 0.72
  }}>Tipo</div>
      <div style={{
    overflowWrap: "anywhere"
  }}>{type}</div>
      <div style={{
    fontWeight: 600,
    opacity: 0.72,
    marginInlineStart: "0.5rem"
  }}>Predeterminado</div>
      <div style={{
    overflowWrap: "anywhere"
  }}>{default_value}</div>
      {changeable_without_restart && <div style={{
    fontWeight: 600,
    opacity: 0.72,
    marginInlineStart: "0.5rem"
  }}>
          Modificable sin reiniciar
        </div>}
      {changeable_without_restart && <div style={{
    overflowWrap: "anywhere"
  }}>
          {changeable_without_restart}
        </div>}
    </div>;
};

Estos ajustes están disponibles en [system.settings](/docs/es/reference/system-tables/settings) y se generan automáticamente a partir del [código fuente](https://github.com/ClickHouse/ClickHouse/blob/master/src/Core/Settings.cpp).

<div id="vector_search_filter_strategy">
  ## vector\_search\_filter\_strategy
</div>

<SettingsInfoBlock type="VectorSearchFilterStrategy" default_value="auto" />

<VersionHistory rows={[{"id": "row-1","items": [{"label": "25.5"},{"label": "auto"},{"label": "Nueva configuración"}]}]} />

Si una consulta de búsqueda vectorial tiene una cláusula WHERE, esta configuración determina si se evalúa primero (prefiltering) o si primero se comprueba el índice de similitud vectorial (postfiltrado). Valores posibles:

* 'auto' - Postfiltrado (la semántica exacta puede cambiar en el futuro).
* 'postfilter' - Usa el índice de similitud vectorial para identificar los vecinos más cercanos y luego aplica otros filtros
* 'prefilter' - Evalúa primero otros filtros y luego realiza una búsqueda brute-force para identificar los vecinos.

<div id="vector_search_index_fetch_multiplier">
  ## vector\_search\_index\_fetch\_multiplier
</div>

**Alias**: `vector_search_postfilter_multiplier`

<SettingsInfoBlock type="Float" default_value="1" />

<VersionHistory rows={[{"id": "row-1","items": [{"label": "25.8"},{"label": "1"},{"label": "Alias de la configuración 'vector_search_postfilter_multiplier'"}]}]} />

Multiplica por este valor el número de vecinos más cercanos recuperados del índice de similitud vectorial. Solo se aplica al postfiltrado con otros predicados o si se establece 'vector\_search\_with\_rescoring = 1'. Rango válido: \[1.0, 1000.0]. Los valores fuera de este rango se rechazan.

<div id="vector_search_use_quantized_codes">
  ## vector\_search\_use\_quantized\_codes
</div>

<SettingsInfoBlock type="Bool" default_value="0" />

<VersionHistory rows={[{"id": "row-1","items": [{"label": "26.7"},{"label": "0"},{"label": "Nueva configuración para habilitar la optimización de búsqueda vectorial aproximada en dos etapas sobre un códec de columna Quantize(...); las consultas siguen siendo exactas de forma predeterminada."}]}]} />

Habilita una búsqueda vectorial aproximada en dos etapas sin índice (escaneo por fuerza bruta) sobre una columna comprimida con `Quantized`. Cuando está habilitada, `ORDER BY L2Distance|cosineDistance(vec, reference) LIMIT k` sobre una columna codificada con un códec `Quantized(...)` hará lo siguiente:

1. escanear y filtrar los vectores cuantizados (este paso produce `k * vector_search_index_fetch_multiplier` resultados), y
2. volver a puntuar los vectores encontrados comparándolos con los vectores originales de precisión completa.

<div id="vector_search_with_rescoring">
  ## vector\_search\_with\_rescoring
</div>

<SettingsInfoBlock type="Bool" default_value="0" />

<VersionHistory rows={[{"id": "row-1","items": [{"label": "25.8"},{"label": "0"},{"label": "Nueva configuración."}]}]} />

Indica si ClickHouse realiza rescoring en las consultas que usan el índice de similitud vectorial.
Sin rescoring, el índice de similitud vectorial devuelve directamente las filas que contienen las mejores coincidencias.
Con rescoring, el índice de similitud vectorial recupera las filas candidatas y ClickHouse calcula la distancia exacta
para esas filas a partir de los vectores originales de precisión completa en el flujo SQL habitual.
Cuando es posible, ClickHouse limita el escaneo a las filas candidatas antes del cálculo final de la distancia.
Aumente `vector_search_index_fetch_multiplier` si se necesitan más filas candidatas para mejorar el recall, especialmente
con filtros adicionales o índices vectoriales cuantizados.
Nota: una consulta ejecutada sin rescoring y con réplicas paralelas habilitadas puede pasar a usar rescoring.