百度开源自研高性能 ANN 检索引擎 Puck

百度宣布在 Apache 2.0 协议下开源自研的 ANN 检索引擎 —— Puck，名称取自经典 MOBA 游戏 DOTA 中的智力英雄-Puck，是飘逸、灵动的代表。ANN全称近似最近邻检索（Approximate Nearest Neighbor），目标是从全量向量数据中寻找距离最近的TopK个向量，同时需要平衡检索效果和检索成本。

Puck 的优势

• 易用性：提供简单易用的API接入，尽量少的暴露参数，大部分参数使用默认即可达到良好性能。
• 扩展性：采用完全自研的索引结构，支持多种功能扩展，适应多种场景，项目模块划分合理，便于改造优化，可方便用户接口自行添加。
• 高性能：在benchmark的千万、亿、十亿等多个数据集上，Puck性能优势明显，均显著超过竞品。
• 可靠性：经过多年在实际大规模场景下的验证打磨，广泛应用于百度内部包括搜索、推荐等三十余条产品线，支撑万亿级索引数据和海量检索请求。

Puck 功能拓展

• 实时插入：支持无锁结构的实时插入，做到数据的实时更新。
• 条件查询：支持检索过程中的条件查询，从底层索引检索过程中就过滤掉不符合要求的结果，解决多路召回归并经常遇到的截断问题，更好满足组合检索的要求。
• 分布式建库：索引的构建过程支持分布式扩展，全量索引可以通过map-reduce一起建库，无需按分片build，大大加快和简化建库流程。
• 自适应参数：ANN方法检索参数众多，应用起来有不小门槛，不了解技术细节的用户并不容易找到最优参数，Puck提供参数自适应功能，在大部分情况下使用默认参数即可得到很好效果 。

公告指出，百度很早就投入了自研近似最近邻检索算法（ANN）的研究，2017 年 Puck 完成首次上线，2019 年底内部开源，目前已广泛应用于百度内部多条产品线，随着业务发展不断的优化和迭代，进行了充分的技术研发和测试，确保了技术的领先性和成熟度。

Puck 开源项目包含两种百度自研的检索算法Puck&Tinker，以高召回、高准确、高吞吐为目标，在大中小数据集上都有优异表现。在benchmark的千万、亿、十亿等多个数据集上，Puck性能优势明显，均显著超过竞品。在2021年底Nerulps举办的全球首届向量检索大赛BIGANN比赛中，Puck参加的四个项目均获得第一。

更详细的 benchmark 可在此查看。