Approximate Nearest Neighbors (HNSW / IVF): 解释图索引的构建参数（M / efConstruction）与查询参数（efSearch）。

Core Concept: M 控连接数与内存、efConstruction 控构建质量、efSearch 控查询召回；三者独立但共同决定召回与成本。

数学机理：<strong>三个参数的独立作用</strong>——(1) <strong>M（每节点的最大连接数）</strong>——(a) <strong>作用</strong>——决定图的'连通性'与'搜索路径的丰富度'；M 大 → 每节点有更多邻居 → 搜索时更可能找到真正的最近邻（召回高）；(b) <strong>代价</strong>——<strong>内存 ∝ M</strong>（每条边需存节点 id，如 4 字节；M=32 则每节点约 128 字节的边）；<strong>构建时间 ∝ M</strong>（需计算更多邻居）；(c) <strong>典型值</strong>——16~64（M=16 是常见默认；M=32~64 用于'高召回'场景）。(2) <strong>efConstruction（构建时的候选集大小）</strong>——(a) <strong>作用</strong>——插入节点时，在每层维护'大小为 efConstruction 的候选集'来选择邻居；<strong>efConstruction 大 → 选择的邻居更优（图质量更好）→ 查询时召回更高</strong>；(b) <strong>代价</strong>——<strong>只影响构建时间</strong>（不影响查询）；efConstruction=100~500 是常见范围；(c) <strong>关键</strong>——它是'<strong>一次性的构建成本</strong>'（构建后不影响查询），故'值得调大'（用一次性成本换永久质量）。(3) <strong>efSearch（查询时的候选集大小）</strong>——(a) <strong>作用</strong>——查询时维护'大小为 efSearch 的候选集'；<strong>efSearch 大 → 召回高但延迟大</strong>；(b) <strong>硬约束</strong>——<strong>efSearch ≥ k</strong>（否则无法返回 k 个结果）；(c) <strong>典型值</strong>——50~200（按 SLA 调）。(4) <strong>三者的关系</strong>——(a) <strong>M 与 efConstruction 决定'图的质量上限'</strong>（构建阶段）；(b) <strong>efSearch 决定'查询时能利用多少质量'</strong>（查询阶段）；(c) 若 M/efConstruction 太小，则即使 efSearch 很大也召回不足（图本身不好）；故<strong>先保证构建质量，再调查询参数</strong>。(5) <strong>调优流程</strong>——(a) 先用 M=16、efConstruction=200 构建；(b) 测不同 efSearch 的召回-延迟曲线；(c) 若'最大 efSearch 下召回仍不足' → 增大 M 或 efConstruction（重建）；(d) 按 SLA 选 efSearch。<strong>内存计算</strong>——总内存 ≈ N×(向量字节 + M×边字节×层数系数)；如 N=1e7、d=768、FP32、M=32：向量 30.7 GB + 边（32×4×1.5≈192 字节/节点 ×1e7 ≈ 1.9 GB）→ 约 33 GB。<strong>与其他参数的交互</strong>——(a) 与<strong>量化</strong>（PQ 可减少向量字节）；(b) 与<strong>层数</strong>（每层的 M 可不同）；(c) 与<strong>多线程</strong>（构建可并行）。<strong>实践建议</strong>——(a) <strong>M=16~32 起步</strong>（内存与召回的折中）；(b) <strong>efConstruction=200~500</strong>（一次性成本，值得大）；(c) <strong>efSearch 按 SLA 调</strong>（50~200）；(d) <strong>先保证构建质量</strong>（M/efConstruction）；(e) <strong>测召回-延迟曲线</strong>；(f) <strong>算内存账</strong>（M 影响内存）。<strong>度量</strong>——(a) 召回率（不同参数组合）；(b) 延迟（不同 efSearch）；(c) 内存（不同 M）；(d) 构建时间（不同 efConstruction）。

深度剖析与工程权衡：① <strong>'efConstruction 只影响构建、efSearch 只影响查询'是关键区分</strong>——故'调大 efConstruction 是值得的一次性投入'；面试中能指出这一点是深度理解的标志。② <strong>'先保证构建质量，再调查询参数'</strong>——若图本身质量差，调 efSearch 也无用。③ <strong>'M 影响内存'</strong>——故 M 不能无限增大（内存约束）；需与量化配合。④ <strong>'efSearch ≥ k'的硬约束</strong>——易被忽略但会导致'结果不足'。⑤ <strong>'内存计算'的实用价值</strong>——面试中能算出'1e7×768 维 + M=32 的边'的近似内存是深度理解的标志。⑥ <strong>面试要点</strong>——被问'HNSW 参数怎么调'，应给出'<strong>M（连接数，影响内存与召回）+ efConstruction（构建质量，一次性）+ efSearch（查询召回，按 SLA）</strong>'与'<strong>先保证构建质量再调查询参数 + 算内存账</strong>'；能指出'efConstruction 只影响构建'是深度理解的标志。