方案架构

鲲鹏BoostKit搜推广组件对应位置如图1所示。鲲鹏BoostKit搜推广使能套件中每个组件的加速方案和修改策略不同，一般不会修改原有基础软件的系统架构，但修改策略会按照实际需要采用不同方案。组件说明如表1所示。

图1 鲲鹏BoostKit搜推广使能套件架构图

表1 鲲鹏BoostKit搜推广使能套件组件说明
算法类型	组件	说明
召回算法	KScaNN	KScaNN（Kunpeng Scalable Nearest Neighbors）是基于倒排索引，结合鲲鹏架构深度优化索引布局、算法流程和计算流程，充分挖掘芯片潜力形成的向量检索算法。
	KBest	KBest（Kunpeng Blazing-fast embedding similarity search thruster）鲲鹏图检索算法，是鲲鹏自研的高效的图检索算法。通过量化、NUMA访存调度等方法优化了最近邻搜索的性能和精度，用于多维向量近似最近邻搜索。
	KVecturbo	KVecturbo（Kunpeng Vector Turbo）是鲲鹏自研的向量检索加速组件，可对接openGauss向量数据库使用。KVecturbo通过将高维向量量化压缩，快速获取query的近邻，同时使用SIMD指令集加速距离计算，用于多维向量最近邻搜索。
排序AI推理算子库	KAIL_DNN	KAIL_DNN（Deep Neural Network Library）深度神经网络算子库，结合鲲鹏处理器微架构特性与软优化手段，优化AI算子性能。通过算子库插件形式集成进开源软件oneDNN。
	KAIL_DNN_EXT	KAIL_DNN_EXT（Deep Neural Network Extension Library）深度神经网络算子拓展库，深度优化softmax、random_choice等算子，封装为Python语言接口提供给用户调用。
	KTFOP	KTFOP（Kunpeng TensorFlow Operator）鲲鹏TensorFlow算子库，是鲲鹏自研的高效的TensorFlow算子库。通过SIMD（Single Instruction Multiple Data）指令、多核调度等方法，提高CPU侧算子性能，减少CPU侧计算资源的占用，从而提高在线推理端到端整体的吞吐量。