我目前正在尝试将许多特征向量存储在数据库中，以便根据要求将传入的特征向量与存储在数据库中的许多其他（如果不是全部）进行比较。我需要计算余弦距离，并且只返回例如前 10 个最接近的匹配项。这样的向量的大小约为 1000 左右。
每个请求都会有一个特征向量，并且需要与属于 db 中的一个子集的所有特征向量进行比较（在最坏的情况下，这很可能是每个子集的数千个条目）。
哪个数据库提供了有效运行此类查询的灵活性？
我研究了 postgres，但我想知道是否有更适合这个问题的替代方案。不确定这很重要，但我很可能会使用 Python。
我发现这篇文章是关于在 SQL 中做的。
编辑：我对不一定与 SQL 相关的这个问题的替代解决方案持开放态度。
如果您将来需要扩展超过 1000 个条目，那么从计算的角度来看，寻找确切邻居的蛮力方法将变得越来越令人望而却步。为了让您的解决方案面向未来，我建议您研究经过充分研究的近似最近邻 (ANN) 技术领域。显然存在速度/准确性权衡，但在撰写本文时，确实没有其他方法可以将您的搜索扩展到数百万或数十亿个条目。
大型科技公司几乎完全依赖这些技术。想一想...
这篇文章很好地概述了当前最先进的算法及其优缺点。下面，我链接了几个流行的开源实现。所有 3 个都有 Python 绑定
如果只有几千个条目，每个条目都有 1,000 个功能，那么如果您在某种服务器上运行它，您可能只能将其保存在 RAM 中。然后当你得到一个新的特征向量时，只需运行余弦相似度例程。一个简单的方法就是使用像 pandas 和 scikit-learn 这样的标准。
或者，您可以将所有内容保存在 SQL 中，将其加载到 pandas 之类的内容中并使用 scikit-learn。
实际上，我不确定通过用 SQL 本身编写计算是否会大大加快速度（如果有的话）。
蛮力方法具有 O(n) 的搜索复杂性，无论您是在 Python 还是数据库中进行。对于更快的查询，您需要一个树结构的多维查找表，例如kd 树。对于 Python，在SciPy和Scikit-Learn中都有 kd 树的实现：
如果您需要独立的数据库解决方案，请参阅：