跳到主要内容
跳到主要内容

QBit 数据类型

Experimental feature. Learn more.

QBit 数据类型重新组织了向量存储，以便进行更快速的近似搜索。它不是将每个向量的元素一起存储，而是将所有向量中相同的二进制位位置分组。这可以以全精度存储向量，同时让你选择搜索时的细粒度量化级别：读取 fewer bits 以减少 I/O 和加快计算，或者读取更多 bits 以提高准确性。你将获得量化带来的数据传输和计算的速度优势，但所有原始数据在需要时依然可用。

备注

QBit 数据类型及其相关的距离函数目前仍处于实验阶段。 要启用它们，请首先运行 SET allow_experimental_qbit_type = 1。 如果遇到问题，请在 ClickHouse 代码库 中打开一个问题。

要声明一个 QBit 类型的列，请使用以下语法：

column_name QBit(element_type, dimension)
  • element_type – 每个向量元素的类型。允许的类型有 BFloat16、Float32 和 Float64
  • dimension – 每个向量中的元素数量

创建 QBit​

在表列定义中使用 QBit 类型：

CREATE TABLE test (id UInt32, vec QBit(Float32, 8)) ENGINE = Memory;
INSERT INTO test VALUES (1, [1, 2, 3, 4, 5, 6, 7, 8]), (2, [9, 10, 11, 12, 13, 14, 15, 16]);
SELECT vec FROM test ORDER BY id;

┌─vec──────────────────────┐
│ [1,2,3,4,5,6,7,8]        │
│ [9,10,11,12,13,14,15,16] │
└──────────────────────────┘

QBit 子列​

QBit 实现了一种子列访问模式，允许你访问存储向量的单个位平面。可以使用 .N 语法访问每个比特位置，其中 N 是比特位置：

CREATE TABLE test (id UInt32, vec QBit(Float32, 8)) ENGINE = Memory;
INSERT INTO test VALUES (1, [0, 0, 0, 0, 0, 0, 0, 0]);
INSERT INTO test VALUES (1, [-0, -0, -0, -0, -0, -0, -0, -0]);
SELECT bin(vec.1) FROM test;

┌─bin(tupleElement(vec, 1))─┐
│ 00000000                  │
│ 11111111                  │
└───────────────────────────┘

可访问的子列数取决于元素类型：

  • BFloat16: 16 个子列 (1-16)
  • Float32: 32 个子列 (1-32)
  • Float64: 64 个子列 (1-64)

向量搜索函数​

这些是使用 QBit 数据类型进行向量相似度搜索的距离函数：