向量数据库Faiss的搭建与使用

Faiss 是 Facebook AI 研究院开发的一种高效的相似性搜索和聚类库，能够快速处理大规模数据，并支持在高维空间中进行相似性搜索。以下是 Faiss 的搭建与使用步骤：

安装 Faiss：

首先，需要在系统上安装 Faiss。它支持 Linux、macOS 和 Windows 操作系统，可以通过 Python 的 pip 包管理器进行安装。在终端中输入以下命令：

pip install faiss-cpu

如果你的系统有 NVIDIA 的 GPU 并且已经安装了 CUDA，你可以选择安装支持 GPU 的版本：

pip install faiss-gpu

基本使用示例：

1、导入所需库：

    import numpy as np
    import faiss

2、生成随机数据作为向量数据库：

    d = 128  # 维度
    nb = 10000  # 数据库大小
    np.random.seed(1234)  # 使结果可重复
    xb = np.random.random((nb, d)).astype('float32')

3、创建索引（这里使用最简单的 L2 距离索引）：

    index = faiss.indexflatl2(d)  # 构建索引
    print(index.is_trained)  

4、将数据添加到索引中：

    index.add(xb)  # 添加向量到索引
    print(index.ntotal)  

5、生成查询向量并进行搜索：

    nq = 5  # 查询向量数量
    k = 4  # 想要的相似向量数量
    xq =