修改ann-benchmarks自带算法参数
执行测试命令前可以修改对应算法的参数，以获得较好的召回率和每秒查询率（QPS，Queries Per Second）。
- 以修改Milvus的相关算法参数为例，打开Milvus目录下的config.yml文件。
1vim /data/ann-benchmarks-main/ann_benchmarks/algorithms/milvus/config.yml
- 修改Milvus-hnsw算法参数，见表1 参数说明。
表1 参数说明 参数名称
参数描述
建议值
配置原则
M
M参数表示“M-层”或“M层级”，它决定了HNSW图的层次结构深度。
M参数控制了图中每个节点的子节点数量，“M”等于“2”，表示每个节点有两个子节点，“M”等于“3”，表示每个节点有三个子节点，以此类推。
M参数越大，HNSW图的层次结构越深，搜索过程中需要遍历的节点数量减少，搜索效率越高。但是，M参数过大会增加构建索引的时间和内存消耗。
[24]
请根据数据量大小、对存储空间的要求、对搜索速度、准确性的要求等方面综合考虑M值的大小。
efConstruction
efConstruction参数决定了在构建HNSW图时，算法在每一层级所需的“有效搜索”次数（Effective Searches）。
在HNSW算法中，“有效搜索”是指从图的顶层节点开始，沿着图的层次结构向下搜索，直到找到满足一定准确性的最近邻点。
efConstruction参数的值越大，算法在构建索引时进行的有效搜索次数就越多，从而找到更准确的最近邻点。这对于需要高准确性的应用场景是有利的，但同时更多的有效搜索次数会增加构建索引的时间和内存消耗。
[200]
请根据对索引构建时间的敏感程度、对搜索准确性的要求等方面综合考虑efConstruction值的大小。
- 修改Milvus-scann算法参数，见表2 参数说明。
表2 参数说明 参数名称
参数描述
建议值
配置原则
nlist
nlist参数决定了Scann算法在每个桶（bucket）中存储的最近邻点列表的大小。
每个桶实际上是一个哈希表，用于存储与查询向量相似的点。在构建索引时，算法会为每个桶选择nlist个最近邻点，并将它们存储在该桶中。
较大的nlist参数可以提供更高的搜索准确性，因为每个桶中存储的最近邻点数量增加，搜索过程中有更多的候选点可供选择，但同时内存消耗也会越大。
在高维空间中，搜索准确性通常已经足够高，而较小的nlist参数可能会牺牲一些准确性以换取更快的搜索速度。
[128]
请根据对存储空间的要求，搜索准确性，搜索速度等方面的要求综合考虑nlist值的大小。
本次测试的M、efConstruction和nlist参数的取值是根据多次测试和分析确定的，是兼顾查询结果准确性、内存消耗、时间消耗的综合考虑。用户可以根据实际情况选择参数取值。