faiss
来自运维百科
Faiss是Meta AI（原Facebook Research）的开源项目，是目前（2024年）流行且效率较高的相似度检索方案之一。尽管相似度检索技术广泛应用于各大厂，但它仍属于小众场景，掌握门槛较高。
Faiss的工作机制是为处理好的数据（特征向量）建立索引，从而避免在海量数据中进行一一比对，实现高性能向量检索。它常用于解决“搜广推”（搜索、广告、推荐）业务中的向量召回工作。
Faiss支持多种索引类型，如IndexFlatL2、IndexHNSW、IndexIVF等，可在不同数据规模、业务场景下提供高性能数据检索能力。选择合适的索引类型对应用性能至关重要。
此外，Faiss支持CPU和GPU环境，可使用C++、Python调用，也有Go-Faiss满足Golang场景下的使用。
