# 向量索引容量规划
在准备创建一个 MyScale 集群时，选择正确的配置对于满足您的向量容量和性能需求至关重要。
配置 MyScale 集群非常简单，只需要调整两个关键参数：pod 大小和副本数量。这些参数可以根据需求轻松调整。
# 考虑因素
为了确定最佳的 MyScale 集群设置，请考虑以下因素：
- 向量索引类型
- 向量数量
- 向量维度
- 每秒查询次数（QPS）要求
我们推荐使用 MyScale 的 MSTG 算法进行向量索引，该算法以其卓越的性能和向量密度而闻名。我们的容量和性能指南是基于 MSTG 的（请参阅我们的博客文章 (opens new window)获取详细的基准测试结果）。
其他元数据对向量容量的影响很小，但如果查询包含附加的元数据，可能会影响 QPS。为了在这种情况下优化 QPS，MyScale 提供了高效的过滤搜索 (opens new window)。
# Pod 大小
MyScale 结合了算法创新（如 MSTG）和系统工程，实现了高向量密度和性能。我们提供了一个单一的 pod 类型，大小选项如 x4 可以提供 x1 pod 的四倍容量和 CPU 性能。
可用的 pod 大小有 x1、x2、x4、x8、x16 和 x32。在我们的定价页面 (opens new window)上使用我们的价格估算器来找到最适合您需求的 pod 大小。
以下是 x1 pod 的一些估计容量和性能基准。
# 容量
表 1：每个 Pod 不同维度向量的最大容量
| Pod 大小 | 维度 | 最大容量 |
|---|---|---|
| x1 | 512 | 7,500,000 |
| 768 | 5,000,000 | |
| 1024 | 3,750,000 | |
| 1536 | 2,500,000 |
选择更大的 pod 大小可以增加向量容量。
# QPS
表 2：基于 top_k 的 5M 个 768 维向量的 QPS 估计*
| Pod 大小 | top_k 10 | top_k 100 |
|---|---|---|
| x1 | 152 | 117 |
*基于 MSTG 索引，alpha=3（默认设置）。请参阅完整的基准测试 (opens new window)获取更多信息。
通过添加副本来提高 QPS。
# 副本
副本可以增强集群的可用性和 QPS。一个集群的总 QPS 大致等于单个 pod 的 QPS 乘以副本数量。请注意，副本不会增加向量容量。
# 示例
# 示例 1：ChatData 应用
在我们的 ChatData (opens new window) 应用中，我们管理一个包含大约 225 万个 768 维向量的 arXiv 论文数据集。一个单独的 x1 pod，支持这个维度下最多 5 百万个向量，足以满足这个数据集的需求。
# 示例 2：大规模图像搜索
考虑一个需要 8000 万个 512 维向量的大规模图像搜索应用。根据容量部分，需要一个 x16 pod。为了提高可用性和 QPS，可以将副本数量增加到 2 或 3。
为什么选择 `x16` Pod？
一个 x1 pod 支持 512 维的 750 万个向量。考虑到需要 8000 万个向量的要求，x16 是我们的 x1、x2、x4、x8、x16 和 x32 pod 大小中合适的选择。
# 可视化使用情况
集群监控页面显示了一个图表，显示加载的向量索引相对于总可用内存的内存使用情况。这个工具可以帮助用户跟踪向量使用情况，并在达到容量限制之前计划 pod 大小升级。
我们使用 LRU 算法来管理内存中的向量索引。超过 pod 的向量限制会导致一些索引从内存中卸载。重新加载这些索引以进行后续搜索可能会降低 QPS 或增加查询延迟。在这种情况下，请参考上述图表，并考虑相应地增加 pod 大小。