最近邻搜索是什么？在一大堆数据里找出最像的那个

最近邻搜索（Nearest Neighbor Search，NNS）是在数据集中找出与查询点“最近”的点的问题。这里的“近”由某种距离或相似度来衡量，比如欧氏距离、余弦相似度。给定一张图片，在图库里找出最相似的几张；给定一首歌，找出风格最接近的歌；给定一个用户，找出兴趣最相近的其他用户，这些都是最近邻搜索。

用在哪里

最近邻搜索在很多领域都非常重要。在机器学习中，它是 k 近邻（k-NN）算法的核心：要判断一个未知样本属于哪一类，就找出和它最相似的 k 个训练样本，看它们大多属于哪一类。在计算机视觉中，它被用于特征匹配和物体识别，比如在两张图片之间找出对应的特征点。在推荐系统中，用来找相似的商品和用户。在地理信息系统中，用来查找离某个位置最近的餐厅、加油站。如今最重要的应用之一是语义检索和检索增强生成（RAG）：把文档转换成嵌入向量后，用户的问题也转成向量，在向量库里找出最接近的几个文档，交给大模型参考。向量数据库的核心功能就是高效的最近邻搜索。

精确搜索太慢

最直接的方法是暴力搜索：把查询点和数据集中的每一个点都算一遍距离，再挑出最小的。数据少的时候这没问题，但当数据有几亿、几十亿条，每条又是几百上千维的向量时，每次查询都算一遍，速度慢得无法接受。在高维空间中，传统的空间索引结构，比如 KD 树，效果也会急剧下降，这被称为“维度灾难”。

近似最近邻

因此，大规模场景下通常使用近似最近邻（ANN）搜索：不保证每次都找到绝对最近的那个，但能以很高的概率找到非常接近的结果，同时速度快几个数量级。常见的方法包括：基于图的方法，比如 HNSW，把数据组织成一张多层的“邻居网络”，沿着网络快速逼近目标；基于量化的方法，比如乘积量化，把向量压缩成很短的编码，大幅减少计算和存储；基于聚类分桶的方法，比如 IVF，先找到查询可能落在的几个簇，只在这些簇里搜索；以及局部敏感哈希等。Faiss、HNSWlib 等开源库让这些方法得到了广泛应用。