10ms以内检索数亿，为什么微信速度这么快？
在一些推荐系统、图片检索、文章去重等场景中，对基于特征数据进行 k 近邻检索有着广泛的需求： 支持亿级索引的检索，同时要求非常高的检索性能； 支持索引的批量实时更新； 支持多模型、多版本以灵活开展 ABTest 实验； 支持过滤器、过期删除以排除不符合特
10ms以内检索数亿，为什么微信推荐这么迅速？
在经过调研后，发现已有的解决方案存在以下问题： 在学术界中，已经存在有成熟并开源的 ANN 搜索库，然而这些搜索库仅仅是作为单机引擎存在，而不能作为高性能、可依赖、可拓展的分布式组件为推荐系统提供服务； 在业界中，大多数的组件都是基于 ANN 搜索库