Lucene 最近基于此原始分支为 Lucene 9.0.0 添加了 HNSW 近似最近邻搜索 (ANN)：https://issues.apache.org/jira/browse/LUCENE-9004 .
Lucene支持预过滤吗？例如，假设我们想要对 2020 年之后创建的文档进行矢量搜索。是否可以在同一矢量搜索请求中过滤这些文档？或者我们必须在返回 ANN 搜索结果后进行后置过滤吗？
我注意到这里的
query据我所知，他们没有，我想它正在酝酿中，但我想这需要时间。你应该研究一下 Pinecone，据我所知 Pinecone 的元数据过滤确实很领先。
原因是通过预过滤，您的搜索范围受到限制，这会过滤掉 HNSW 图中的节点，因此您无法再使用该图执行 ANN 搜索，它已被过滤器“破坏” 。因此搜索恢复为精确的 kNN 搜索 - 例如，它慢。
后过滤可以很快，因为您能够维护图形结构并执行 ANN 搜索，但随后您要对结果进行过滤。因此，如果你说我想要前 5 个最相似的结果，你最终可能会得到 4 个、2 个结果，或者在最坏的情况下得到 0 个结果。
Pinecone 引入了一种名为“单级过滤”的功能，它可以像预过滤一样保持准确性，并返回您请求的确切匹配数量，同时（通常）像后过滤一样提供速度提升。这样您就可以两全其美。
引用Elasticsearch中的向量搜索：设计背后的基本原理，这将是人们消费Lucene的kNN搜索最常见的方式：
通过拥有自己的与段关联的 HNSW 图，并且其中节点由文档 ID 索引，Lucene 可以就如何最好地预过滤矢量搜索做出有趣的决定：或者通过线性扫描与过滤器匹配的文档（如果有选择性） ，或者通过遍历图并仅考虑与过滤器匹配的节点作为 top-k 向量的候选节点。