Timescale 推出了 pg_vectorsearch，這是一個處於 alpha 階段的 PostgreSQL 擴充功能，旨在提供高效能的近似最近鄰（ANN）搜尋。其核心技術為 PRISM 索引（Partitioned Routing Index for Similarity Matching），這是一種 PostgreSQL 原生的索引存取方法，概念上類似 pgvector 的 IVFFlat，但結合了最先進的量化、路由和分區技術。官方宣稱 PRISM 索引在查詢和索引建立速度上均顯著優於 pgvector 的 IVFFlat 和 HNSW。特別是在 1 億向量資料集上，PRISM 在等效召回率下比基於圖的 HNSW 更快，且僅需四分之一的記憶體。
PRISM 使用分層質心樹將向量分區為叢集，並依賴 PostgreSQL 緩衝區快取將該樹保持在記憶體中。向量經過 RaBitQ 量化並存儲在針對 SIMD 距離計算最佳化的頁面佈局中。RaBitQ 編碼帶有誤差界限，允許搜尋排除不可能是最近鄰的向量，從而減少需要對表中存儲的全精度向量進行重新排序的數量。查詢流程包括：遍歷質心樹尋找最近叢集、掃描發布列表尋找候選、RaBitQ 兩階段過濾（估計→誤差界限→重新排序）、從堆中進行全精度重新排序，最後返回 k 個最近鄰。
該擴充功能支援動態更新（插入、更新和刪除），並透過 prism_rebalance 程序進行發布列表分割。pg_vectorsearch 與 pgvector 相容，可直接對現有的 vector 和 halfvec 欄位建立索引，無需修改表格或查詢。它支援兩種使用方式：一是使用其原生的 vec32 (float32) 或 vec16 (float16) 類型；二是安裝在 pgvector 旁邊，直接對現有的 pgvector 欄位建立 PRISM 索引。兩者使用相同的運算子 (<->, <#>, <=>) 和調優參數。
技術要求方面，pg_vectorsearch 需要 PostgreSQL 18 或更高版本，以及 GNU C11 編譯器（GCC 11+ 或 Clang 14+）和 Meson 建置系統。目前狀態為 alpha，僅供測試，不建議用於生產環境，預覽版之間的升級可能不可行，需刪除並重建擴充功能及其索引。
事件背景
PRISM 索引基於 RaBitQ 量化技術，原文 References 部分引用了標題為 'Binary quantization with theoretical error bounds' 的 SIGMOD 2024 論文。其架構參考了 SPFresh（SOSP 2023，用於增量更新的 LIRE 協議）、SPANN（NeurIPS 2021，十億級 ANN 與邊界複製）以及 ScaNN for AlloyDB（Google，分層聚類）。pg_vectorsearch 採用 PostgreSQL 授權。
社群觀察
社群討論指出了該擴充功能的限制和競爭環境。用戶 devy 指出 PRISM 索引將向量維度上限設為 1968，若現有 HNSW 索引維度超過此數則無法使用；同時強調必須升級至 PostgreSQL 18 以上版本。用戶 EgregiousCube 表示目前使用 VectorChord 並對低記憶體向量索引工具的競爭感到興奮，認為這能利用現代 NVMe 驅動器的速度來降低 PostgreSQL 成本。用戶 arunmu 質疑 Timescale 為何不改進或維護其先前專案 pgvectorscale，而是推出新索引。用戶 potomushto 詢問是否支援位元精度和 hammer 距離運算子。用戶 Rapzid 詢問是否支援過濾功能，並指出目前僅支援後過濾（post filtering），對如何有效實現租戶/用戶/權限範圍表示疑惑。
