第 117 题：向量索引的增量更新，动态图索引的合并策略？
题目
向量索引的增量更新，动态图索引的合并策略？
完整讲解
一、向量索引的增量更新需求
底库会持续增删：新 item 上线、下架、用户行为更新导致嵌入变化。若每次全量重建索引，耗时长、期间服务可能不可用或读旧索引。增量更新即在已有索引上只更新变化部分，尽量保持高召回与低延迟。
二、图索引（如 HNSW）的增量特性
- 天然支持插入：HNSW 等图索引单点插入是标准操作：新向量找入口、逐层贪心找邻居、连边并限制每层 $M$ 条。插入复杂度约 $O(\log N)$ 层 × 每层搜索，无需重算全图。
- 删除：图索引通常不真正删节点（会破坏图连通与邻居指针），常见做法是逻辑删除：在结果中过滤掉已删 ID；或维护「删除位图」，检索后过滤。物理删除需重建局部或全量，成本高。
- 更新：若向量内容变化，可视为「删旧 + 插新」；或保留节点、只更新节点上的向量与距离计算，取决于实现（多数实现仍推荐删+插）。
三、动态图索引的合并策略
- 多图合并：维护多个子图（如按时间或批次建的小图），查询时并行在各子图搜索、合并结果再排序（多路归并 Top-K）。新增数据先写入增量小图，积累到一定量再将小图与主图合并：遍历主图与增量图，对增量图中的点做「插入主图」操作，或重建主图时把增量图节点一起加入。
- 合并时机：定时（如每小时）；或增量图大小/条数达阈值时触发合并。合并期间可双读（读旧主图 + 增量图）保证不丢新数据，合并完成后切换。
- 层级/分层索引：底层为「热」数据、小图常合并；上层为冷数据、大图少合并，减少全量重建频率。
四、与 IVF 的对比
IVF 增量：新向量算最近中心、加入对应桶即可；桶内可排序或子索引。删除同样多逻辑删除。合并时若聚类中心重算，则需重分配所有向量（相当于重建）；若不重算中心，只追加桶内，则聚类会逐渐偏移，可定期重训中心与重建。
面试要点
- 能说明图索引（HNSW）天然支持单点插入；删除多逻辑删除或过滤；更新多为删+插。
- 能说清多图合并：增量小图 + 主图、查询并归、定时或阈值触发合并、合并时插入或重建。
- 能对比 IVF 的增量（追加桶）与图索引的增量（插入/逻辑删），以及合并策略的选择。
记忆要点
- 图索引：插入=逐层找邻居连边；删除=逻辑删或结果过滤；更新=删+插。
- 合并：多子图并行查、结果归并；增量图定期或按阈值合并入主图；合并期可双读。
- IVF 增量=追加桶；删为逻辑删；重算中心则需重建，不重算则长期需重训。