本文对比 Doris 存算分离版与 Milvus 在向量检索场景下的索引构建耗时、检索 QPS，以及高维向量场景下的内存占用和检索时延。

性能指标

性能关注以下两个指标：

• 检索 QPS 或吞吐：系统在单位时间内能够处理的检索请求数量，是衡量检索性能的关键指标。
• 召回率：检索的 TopK 结果中，满足真实情况（KNN 检索）的 TopK 集合的比例，是衡量向量检索精度的关键指标。

测试方法

向量索引选择 HNSW，检索最相似 Top10 向量，对比 Doris 存算分离版 和 Milvus 的 QPS 表现。

测试机型：单节点 12 核。

数据库版本：

数据库	版本
doris	存算分离版
milvus	2.4

数据集：测试 SIFT 128、GIST 960 两种维度的数据集，数据集大小均为 100 万。

数据集名	数据集介绍	向量维度	向量数	距离类型
SIFT_1M	官方数据集	128	1,000,000	L2
GIST_1M	官方数据集	960	1,000,000	L2

测试结果

索引性能

数据库	数据集	维度	写入时间 + 构建索引时间
doris	ANN_SIFT1M（100W 条）	128	91682 ms
milvus	ANN_SIFT1M（100W 条）	128	281765 ms
doris	ANN_GIST1M（100W 条）	960	198810 ms
milvus	ANN_GIST1M（100W 条）	960	391743 ms

结论：Doris 向量索引性能强于 Milvus。在相同参数情况下，在 SIFT 数据集，Doris 的索引耗时相比 Milvus 要少 66%，在 GIST 数据集，Doris 的索引耗时相比 Milvus 要少 49%。

检索性能

SIFT（128 维）

数据集	索引类型	召回率	Milvus QPS	Doris QPS
SIFT_1M	HNSW(M=32, efConstruction=200)	95%	3269	33868
SIFT_1M	HNSW(M=32, efConstruction=200)	98%	3200	25720
SIFT_1M	HNSW(M=32, efConstruction=200)	99%	3055	23092

GIST（960 维）

数据集	索引类型	召回率	Milvus QPS	Doris QPS
GIST_1M	HNSW(M=32, efConstruction=200)	95%	958	4042
GIST_1M	HNSW(M=32, efConstruction=200)	98%	647	1792
GIST_1M	HNSW(M=32, efConstruction=200)	99%	503	1187

结论：Doris 的向量检索性能强于 Milvus。在相同召回率下，在 SIFT 数据集，Doris 的检索 QPS 是 Milvus 的 3 倍左右，在 GIST 数据集，Doris 的检索 QPS 是 Milvus 的 1.5 倍左右。

高维向量场景

测试环境

• 测试数据：10 万条 32,768 维向量，L2 度量。
• 机器规格：32 核 32GB，Milvus 和 Doris 使用同一物理机。
• Milvus 部署方式：standalone 版本，Docker 部署。
• Doris 部署方式：1FE + 1BE，Docker 部署。

测试结果

数据库	内存占用	平均检索时延
Milvus	17.1GB	51.87ms
Doris	16.9GB	45.11ms

结论：在高维向量场景，Doris 的向量检索能力和 Milvus 相当，Doris 略占优。