IVFFlat
Inverted File with Flat compression — algorytm przybliżonego wyszukiwania wektorowego oparty na klastrach. Dzieli przestrzeń wektorów na klastry (za pomocą centroidów); wyszukiwanie zagląda tylko do najbliższych klastrów zamiast do całego zbioru. Zużywa mniej pamięci niż HNSW, ale wymaga „wytrenowania” indeksu.
Mechanika: najpierw klasteryzacja k-means → każdy wektor należy do najbliższego centroidu. Przy wyszukiwaniu wybiera się probes najbliższych klastrów i porównuje tylko ich wektory. Więcej probes = lepszy recall, ale wolniej. Zaleta: znacznie mniej pamięci niż HNSW i szybka budowa. Kompromis: wymaga reprezentatywnych danych treningowych (centroidów) → słabo, gdy dane mocno się zmieniają albo indeks zbudowano na pustym zbiorze; przy tej samej szybkości recall bywa niższy niż w HNSW. Zastosowanie: duże zbiory przy ograniczonej pamięci. W pgvector wybiera się między IVFFlat (oszczędny w pamięci) a HNSW (szybszy i dokładniejszy, ale pamięciożerny). Klasyczny kompromis baz wektorowych: graf kontra klaster.