面向昆仑平台的可扩展近似最近邻搜索算法 KScaNN
信息检索
2026-04-14 v2
摘要
近似最近邻搜索（ANNS）是信息检索、推荐系统和机器学习应用的基石算法。虽然 x86 架构体系结构长期主导这一领域，但 ARM 架构服务器的日益普及为在 ARM 平台上优化 ANNS 解决方案的需求日益迫切。对现有 x86 ANNS 算法进行直接移植到 ARM 平台会导致显著的性能差距，无法充分利用底层硬件的独特特性。为此，我们引入了 KScaNN，这是一个为昆仑 920 ARM 架构量身打造的新型 ANNS 算法。KScaNN 融合了精妙的数据感知算法优化与针对性硬件优化，具有以下核心贡献：1） novel 算法技术，包括混合类间搜索策略和改进的 PQ 残差计算方法，优化了搜索过程的整体效率；2）基于机器学习的自适应搜索模块，为每个查询提供自适应参数调优，消除了静态配置的低效；3）针对 ARM 平台高度优化的 SIMD 内核，最大化关键距离计算工作负载的硬件利用率。实验结果表明，KScaNN 不仅弥合了性能差距，更建立了新的基准，实现了对最快 x86 方案的提升最高达 1.63 倍。本工作为在现代 ARM 架构上实现领先级向量搜索性能提供了明确的蓝图，强调了...
引用
@article{arxiv.2511.03298,
title = {KScaNN: Scalable Approximate Nearest Neighbor Search on Kunpeng},
author = {Oleg Senkevich and Siyang Xu and Tianyi Jiang and Alexander Radionov and Jan Tabaszewski and Dmitriy Malyshev and Zijian Li and Daihao Xue and Licheng Yu and Weidi Zeng and Meiling Wang and Xin Yao and Siyu Huang and Gleb Neshchetkin and Qiuling Pan and Yaoyao Fu},
journal= {arXiv preprint arXiv:2511.03298},
year = {2026}
}