> ## 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.
# vector_search_* 会话设置
> ClickHouse 在 vector_search_* 生成组中的会话设置。
export const SettingsInfoBlock = ({type, default_value, changeable_without_restart}) => {
return
类型
{type}
默认值
{default_value}
{changeable_without_restart &&
无需重启即可更改
}
{changeable_without_restart &&
{changeable_without_restart}
}
;
};
这些设置可在 [system.settings](/docs/zh/reference/system-tables/settings) 中查看，并由 [源文件](https://github.com/ClickHouse/ClickHouse/blob/master/src/Core/Settings.cpp) 自动生成。
## vector\_search\_filter\_strategy
如果向量搜索查询带有 WHERE 子句，此设置决定是先评估该子句 (前过滤) ，还是先检查向量相似度索引 (后过滤) 。可能的值：
* 'auto' - 后过滤 (确切语义今后可能会发生变化) 。
* 'postfilter' - 先使用向量相似度索引识别最近邻，然后再应用其他过滤条件
* 'prefilter' - 先评估其他过滤条件，再执行穷举搜索以识别邻居。
## vector\_search\_index\_fetch\_multiplier
**别名**: `vector_search_postfilter_multiplier`
将从向量相似度索引中拉取的最近邻数量乘以此数值。仅在使用其他谓词进行后过滤时，或在设置 `vector_search_with_rescoring = 1` 时生效。有效范围：\[1.0, 1000.0]。超出此范围的值会被拒绝。
## vector\_search\_use\_quantized\_codes
启用对使用 `Quantized` 压缩的列执行无索引 (暴力扫描) 的两阶段近似向量搜索。启用后，对使用 `Quantized(...)` codec 编码的列执行 `ORDER BY L2Distance|cosineDistance(vec, reference) LIMIT k` 时，将会
1. 扫描并过滤量化后的向量 (此步骤会产生 `k * vector_search_index_fetch_multiplier` 个结果) ，以及
2. 使用原始全精度向量对找到的向量重新评分。
## vector\_search\_with\_rescoring
是否让 ClickHouse 对使用向量相似度索引的查询执行 rescoring。
不使用 rescoring 时，向量相似度索引会直接返回包含最佳匹配的行。
使用 rescoring 时，向量相似度索引会拉取候选行，而 ClickHouse 会在常规 SQL 管道中
基于原始全精度向量计算这些行的精确距离。
在可能的情况下，ClickHouse 会在最终距离计算前将扫描范围限制为候选行。
如果需要更多候选行以获得更好的召回率，请增大 `vector_search_index_fetch_multiplier`，尤其是在
使用额外过滤器或量化向量索引时。
注意：在不使用 rescoring 且启用了并行副本的情况下运行查询时，可能会回退到 rescoring。