2026-06-08

HNSW مقابل DiskANN للبحث عن المتجهات في Azure AI Search

أدى الانتشار الواسع للتطبيقات المدعومة بالذكاء الاصطناعي إلى ظهور تحدٍّ جديد: كيف يمكن البحث بكفاءة في مليارات تضمينات المتجهات دون أن ترتفع تكاليف البنية التحتية بشكل كبير؟ في هذه الحلقة، نستكشف «مشكلة المليار متجه» ونقارن بين خوارزميتين رائدتين للبحث عن المتجهات متاحتين في Azure AI Search: HNSW (Hierarchical Navigable Small World) وDiskANN. فعلى الرغم من أن HNSW أصبح المعيار الصناعي بفضل أدائه السريع في الذاكرة ودقته العالية في الاسترجاع، فإنه يتطلب قدراً كبيراً من ذاكرة الوصول العشوائي (RAM) كلما نمت مجموعات البيانات. أما DiskANN، الذي طوّره أصلاً Microsoft Research، فيتبع نهجاً مختلفاً يعتمد على تخزين SSD لتقليل متطلبات الذاكرة بشكل كبير مع الحفاظ على دقة بحث ممتازة على نطاق واسع جداً. نشرح كيفية عمل كل خوارزمية، وأين تتفوق، والمفاضلات التي يحتاج المهندسون المعماريون إلى أخذها بعين الاعتبار عند تصميم التوليد المعزَّز بالاسترجاع (RAG)، والبحث الدلالي…

Apple Podcasts · Spotify · YouTube · YouTube Music

HNSW vs DiskANN for Vector Search in Azure AI Search (English)