HNSW (иерархический навигируемый малый мир)

HNSW — самый распространённый алгоритм приближённого поиска ближайших соседей, ключевой операции векторных баз и семантического поиска. По вектору-запросу он находит ближайшие среди миллионов, не просматривая их все. Он строит многослойный граф, где каждый вектор связан с соседями; поиск начинается на разреженном верхнем слое для грубой навигации и спускается в более плотные слои для уточнения, давая почти логарифмическое время поиска. Почему это важно SaaS-разработчикам: именно HNSW делает RAG и семантический поиск мгновенными на масштабе. Это индекс по умолчанию в Pinecone, Weaviate, Qdrant, Milvus и pgvector. Компромиссы заложены в двух параметрах построения. M (связей на узел) и ef_construction задают качество индекса; ef_search управляет балансом точности и скорости в момент запроса — большие значения находят больше настоящих соседей, но стоят задержки. На практике: HNSW прожорлив к памяти, потому что граф живёт в RAM, а удаления реализованы как мягкие метки, поэтому при активной ротации данных со временем нужна перестройка. Настраивайте ef_search по размеченному тесту полноты, а не наугад.