向量（Vector）

向量是一组数值的有序集合，通常用于表示对象或事物的属性或特征。这些数值可以有不同的维度，每个维度代表一个属性或特征。在计算机科学中，向量通常以一维数组的形式表示。在机器学习和人工智能领域，向量用于表示图像、文本、音频等数据类型，通过计算向量之间的距离或相似度实现分类、聚类、检索等任务。

莫愁

百度向量数据库内核系统的名称为“莫愁”（Mochow），灵感来源于中国古诗“莫愁前路无知己，天下谁人不识君”，寓意系统的智能和能力。

实例（Instance）

实例是百度云中独立运行的数据库环境，是用户购买向量数据库服务的基本单位。它以单独的进程存在，并可以包含多个用户创建的数据库。用户可以在控制台创建、修改和删除实例。实例之间相互独立、资源隔离，避免了资源抢占的问题。

分片（Shard）

分片是数据库技术中将数据分布存储在不同节点上的方法。一个集合通常会按某个维度分成多个部分，每个部分就是一个分片，分布在不同的节点上。这种方法提高了数据库的性能和可扩展性。

副本（Replica）

副本是同一个分片的备份数据，至少包含三个副本。副本作为硬件故障时的冗余备份，保护数据不丢失，并为读操作如向量检索和文档查询提供服务，确保数据库在节点故障和负载变化时的正常运行。

数据库（Database）

数据库是按照数据结构来组织、存储和管理数据的仓库。每个数据库实例可以创建并包含多个数据库。

数据表（Table）

在向量数据库中，数据表（或集合）类似于关系型数据库中的表，包含多条文档数据。数据表没有固定的结构，可以存储不同格式和类型的数据。支持多分片、多副本特性，可按需指定分片数和副本数。

字段（Field）

字段是文档中的一个属性或数据项，表示为键值对（key：value）。每个字段都有自己的类型和取值范围，可以是字符串、数字等不同类型的数据。

记录（Row）

在向量数据库中，记录可以指的是一个文档或数据实体，相当于关系型数据库中的一行数据。

索引（Index）

索引是一种特殊的数据结构，用于快速查找和访问数据，主要存储在内存中。索引本身不存储数据，而是存储指向数据存储位置的指针或键值对。Baidu Cloud VectorDB 支持如HNSW等常见的向量索引类型。

ANN（Approximate Nearest Neighbor Search）

近似最近邻搜索（ANN）是一种用于高维数据空间中快速查找最近邻点的方法。相比精确最近邻搜索，ANN牺牲了一定的精度以换取更高的搜索速度，在处理大规模数据集时具有较高的效率。ANN方法通常会对数据进行预处理，减少查询时的计算距离次数。

HNSW（Hierarchical Navigable Small World）

HNSW是一种基于图的高维向量相似性搜索算法，通过构建层次化图结构来表示向量间的相似度关系，使用优化策略加速搜索过程。

PUCK

PUCK是一种类似于IVF的厂内自研搜索算法，在海量数据时比HNSW更具优势。