Modulbewertung

1.

Sie optimieren PostgreSQL für eine Vektorsuchworkload mit 2 Millionen 1536-dimensionalen Einbettungen. Abfragen sind langsam und Sie beobachten ein Cachetrefferverhältnis von 85%. Welche Konfigurationsänderung sollten Sie priorisieren?

Erhöhen Sie shared_buffers, um mehr Daten im PostgreSQL-Cache zu behalten

Reduzieren random_page_cost um mehr Index-Scans zu fördern

Erhöhen Sie ivfflat.probes um mehr Indexpartitionen zu durchsuchen

2.

Sie müssen einen Vektorindex für ein Dataset von 5 Millionen Produkteinbettungen erstellen, die häufige Batchaktualisierungen erhalten (tägliche vollständige Aktualisierung). Die Buildzeit muss unter 30 Minuten betragen. Welche Indexkonfiguration sollten Sie auswählen?

IVFFlat mit Listen, die auf sqrt(rows) festgelegt sind

HNSW mit m=16 und ef_construction=64

HNSW mit m=8 und ef_construction=32

3.

Ihre gefilterten Vektorsuchabfragen filtern nach category_id und sortiert dann nach Vektorähnlichkeit. Der Abfrageplan zeigt einen Sequenzscan der Produkt-Tabelle an. Was sollten Sie zuerst überprüfen?

Überprüfen Sie, ob ein B-Baum-Index auf der category_id Spalte vorhanden ist.

Stellen Sie sicher, dass der Vektorindex dieselbe Operatorklasse wie die Abfrage verwendet.

Vergrößern hnsw.ef_search , um den Suchbereich zu erweitern

4.

Sie implementieren die Verbindungsverwaltung für eine KI-Anwendung, die 500 Vektorabfragen pro Sekunde während des Spitzenverkehrs macht. Ihre Azure-Datenbank für PostgreSQL-Instanz unterstützt max. 1.719 Verbindungen. Wie sollten Sie vorgehen?

Aktivieren von PgBouncer im Transaktionsmodus mit einer Poolgröße, die für Ihre Anwendungsinstanzen geeignet ist

Erstellen einer neuen Datenbankverbindung für jede Abfrageanforderung

Aktivieren von PgBouncer im Sitzungsmodus, um persistente Verbindungen aufrechtzuerhalten

5.

Sie skalieren eine Empfehlungs-Engine, die derzeit auf einer Allzweck-8-VCore-Instanz ausgeführt wird. Die CPU-Auslastung beträgt durchschnittlich 75 %, und die P95-Abfragelatenz beträgt 150 ms. Sie müssen jedoch eine Latenz von unter 50 ms erzielen. Welcher Skalierungsansatz sollten Sie zuerst ausprobieren?

Upgrade auf eine speicheroptimierte Ebene mit mehr vCores

Lesereplikate hinzufügen, um die Anfragelast zu verteilen.

Implementieren der Zwischenspeicherung auf Anwendungsebene mit Azure Cache für Redis

Feedback