> ## 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.

# Настройки сеанса vector_search_*

> Настройки сеанса ClickHouse в автоматически созданной группе 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
  }}>Тип</div>
      <div style={{
    overflowWrap: "anywhere"
  }}>{type}</div>
      <div style={{
    fontWeight: 600,
    opacity: 0.72,
    marginInlineStart: "0.5rem"
  }}>По умолчанию</div>
      <div style={{
    overflowWrap: "anywhere"
  }}>{default_value}</div>
      {changeable_without_restart && <div style={{
    fontWeight: 600,
    opacity: 0.72,
    marginInlineStart: "0.5rem"
  }}>
          Изменяется без перезапуска
        </div>}
      {changeable_without_restart && <div style={{
    overflowWrap: "anywhere"
  }}>
          {changeable_without_restart}
        </div>}
    </div>;
};

Эти настройки доступны в [system.settings](/docs/ru/reference/system-tables/settings) и автоматически сгенерированы из [исходного кода](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": "новая настройка"}]}]} />

Если запрос векторного поиска содержит предложение WHERE, эта настройка определяет, что выполняется первым: оно (префильтрация) или проверка индекса векторного сходства (постфильтрация). Возможные значения:

* 'auto' - Постфильтрация (точная семантика может измениться в будущем).
* 'postfilter' - Использовать индекс векторного сходства для поиска ближайших соседей, затем применить другие фильтры
* 'prefilter' - Сначала применить другие фильтры, затем выполнить поиск полным перебором для определения соседей.

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

**Псевдонимы**: `vector_search_postfilter_multiplier`

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

<VersionHistory rows={[{"id": "row-1","items": [{"label": "25.8"},{"label": "1"},{"label": "Псевдоним настройки 'vector_search_postfilter_multiplier'"}]}]} />

Умножает количество ближайших соседей, получаемых из индекса векторного сходства, на это число. Применяется только при постфильтрации с другими предикатами или если установлена настройка `vector_search_with_rescoring = 1`. Допустимый диапазон: \[1.0, 1000.0]. Значения вне этого диапазона отклоняются.

<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": "Новая настройка для включения двухэтапной оптимизации приблизительного векторного поиска по столбцу с кодеком Quantize(...); по умолчанию запросы остаются точными."}]}]} />

Включает двухэтапный приблизительный векторный поиск без индекса (полный перебор) по столбцу, сжатому с помощью `Quantized`. Если настройка включена, то `ORDER BY L2Distance|cosineDistance(vec, reference) LIMIT k` для столбца, закодированного кодеком `Quantized(...)`, будет:

1. выполнять сканирование и фильтрацию квантизованных векторов (на этом этапе получается `k * vector_search_index_fetch_multiplier` результатов), и
2. повторно оценивать найденные векторы по исходным полноточным векторам.

<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": "Новая настройка"}]}]} />

Выполняет ли ClickHouse пересчёт оценок для запросов, использующих индекс векторного сходства.
Без пересчёта оценок индекс векторного сходства сразу возвращает строки с наилучшими совпадениями.
С пересчётом оценок индекс векторного сходства загружает строки-кандидаты, а ClickHouse вычисляет точное расстояние
для этих строк по исходным векторам полной точности в обычном SQL-конвейере.
Когда это возможно, ClickHouse ограничивает сканирование строками-кандидатами до окончательного вычисления расстояния.
Увеличьте `vector_search_index_fetch_multiplier`, если для повышения полноты требуется больше строк-кандидатов, особенно
при наличии дополнительных фильтров или квантованных векторных индексов.
Примечание: запрос, выполняемый без пересчёта оценок и с включёнными параллельными репликами, может переключиться на пересчёт оценок.