使用自定义距离度量在postgreSQL中实现KNN的最佳方法是什么？

让我解释一下我的问题。 我有一张这种形状的桌子：

+----+------+-----------+-----------+
| ID |  A   |     B     |     W     |
+----+------+-----------+-----------+
| 1  | 534  | [a,b,c]   | [4,6,2]   |
| 2  | 534  | [a,b,d,e] | [6,3,6,2] |
| …  | …    | …         | …         |
| 54 | 667  | [a,b,r,e] | [4,6,2,3] |
| 55 | 8789 | [d]       | [9]       |
| 56 | 8789 | [a,b,d]   | [7,2,3]   |
| 57 | 8789 | [d,e,f,g] | [4,2,2,8] |
| …  | …    | …         | …         |
+----+------+-----------+-----------+

我需要执行的查询如下：给定一个具有A、B和W值的输入（例如A=8789；B=[A，B]；W=[3,2]），我需要在表中找到在A上具有相同值的“最近”行

我已经定义了自定义距离函数。 天真的方法类似于（给定示例中的输入）：

在我的理解中，这是一个经典的KNN问题，我意识到有些东西已经存在：

我只是不知道哪个是最好的指标。

---

谢谢。

我认为您需要将B和W打包到一个列中（可能使用函数索引来动态地完成），以便对它们使用KNN GiST。此外，您的数据似乎没有进行空间划分（但没有看到dist_函数的细节，谁知道呢？），因此spgist似乎不太可能。假设dist_函数是欧几里德函数或类似的函数。因此，B列表示元素，W列表示元素的权重或值。当在两个元素不相同的集合之间计算dist_函数时，这些元素加上W=0。例如，dist_函数（[a，b]，[3,2]，[a，b，d]，[7,2,3]）等于dist_函数（[a，b，d]，[3,2,0]，[a，b，d]，[7,2,3]）。我认为您可以这样做（在一个组合列上），但必须编写大量的C代码。此外，我怀疑它实际上效率不高，可能比seq扫描要慢。当您必须动态地确定哪些维度存在时，很难排除树的整个分支。但是dist_函数已经考虑了哪些维度存在，哪些维度不存在。它是合理的，并且在每一对B，W之间工作。它在运行时可能定义得很好，但在索引构造时仍然是动态的，不是吗？我想你可以说它是固定在无限维上的，几乎所有的维都是零。但我不认为这会带来任何效率。我可能是错的，但这似乎不太可能。我认为您需要将B和W打包到一个列中（可能使用函数索引来动态地实现），以便对它们使用KNN GiST。此外，您的数据似乎没有进行空间划分（但没有看到dist_函数的细节，谁知道呢？），因此spgist似乎不太可能。假设dist_函数是欧几里德函数或类似的函数。因此，B列表示元素，W列表示元素的权重或值。当在两个元素不相同的集合之间计算dist_函数时，这些元素加上W=0。例如，dist_函数（[a，b]，[3,2]，[a，b，d]，[7,2,3]）等于dist_函数（[a，b，d]，[3,2,0]，[a，b，d]，[7,2,3]）。我认为您可以这样做（在一个组合列上），但必须编写大量的C代码。此外，我怀疑它实际上效率不高，可能比seq扫描要慢。当您必须动态地确定哪些维度存在时，很难排除树的整个分支。但是dist_函数已经考虑了哪些维度存在，哪些维度不存在。它是合理的，并且在每一对B，W之间工作。它在运行时可能定义得很好，但在索引构造时仍然是动态的，不是吗？我想你可以说它是固定在无限维上的，几乎所有的维都是零。但我不认为这会带来任何效率。我可能错了，但这似乎不太可能。

SELECT * from my_table T, dist_function(T.B,T.W,ARRAY[a,b],ARRAY[3,2]) as dist 
WHERE T.A = 8789
ORDER BY dist ASC
LIMIT 7