Bạn đã có bảng sản phẩm trong PostgreSQL. Giờ cần tìm "những dòng gần nghĩa nhất với câu hỏi này". Dựng thêm một cơ sở dữ liệu vector riêng nghĩa là thêm một hệ thống phải đồng bộ.
pgvector là gì? Là extension mã nguồn mở của Postgres. Nó thêm kiểu dữ liệu vector, các toán tử đo khoảng cách và hai loại chỉ mục gần đúng là HNSW và IVFFlat. Vector nằm cạnh dữ liệu quan hệ, trong cùng một bảng và cùng một giao dịch.
Bài này đi theo 4 bước. Mỗi bước có một điểm nghẽn thật mà bản dựng ngây thơ hay vấp.
Đừng trả tiền thừa cho SaaS AI — Nhận lộ trình công cụ & chi phí tối ưu trong 10 giây
Mô tả bài toán của doanh nghiệp bạn (CSKH Zalo OA, Coding, RAG tài liệu nội bộ, Báo cáo P&L). Hệ thống cố vấn của 3A sẽ đề xuất bộ công cụ đã qua kiểm thử thực chiến.
Bước 1: Bật extension và chốt số chiều vector
Bạn bật extension một lần cho mỗi cơ sở dữ liệu. Sau đó khai báo cột với số chiều khớp với model embedding bạn dùng.
CREATE EXTENSION vector;
CREATE TABLE items (
id bigserial PRIMARY KEY,
body text NOT NULL,
embedding vector(1536) -- must match your embedding model
);Kiểu vector chứa tối đa 16.000 chiều. Nhưng chỉ mục chỉ nhận vector tới 2.000 chiều. Chọn model xuất vector dài hơn mức đó thì bạn phải giảm chiều trước khi lập chỉ mục.
Dung lượng lưu một vector là 4 * số chiều + 8 byte. Với 1.536 chiều, đó là 6.152 byte mỗi dòng. Một triệu dòng tốn khoảng 6,15 GB chỉ cho cột vector. Đây là phép tính từ công thức trong tài liệu, chưa tính chỉ mục.
Bước 2: Chèn dữ liệu và truy vấn khoảng cách chính xác
Truy vấn tìm hàng xóm gần nhất là một câu ORDER BY theo khoảng cách. Chưa có chỉ mục thì Postgres quét toàn bảng và trả kết quả chính xác.
INSERT INTO items (body, embedding)
VALUES ('refund policy', '[0.01, 0.02, ...]'); -- real vectors have 1536 values
SELECT id, body
FROM items
ORDER BY embedding <=> '[0.01, 0.02, ...]'
LIMIT 5;pgvector có 4 toán tử khoảng cách. Chọn đúng toán tử trước khi lập chỉ mục, vì chỉ mục gắn với một toán tử.
| Toán tử | Ý nghĩa | Lớp toán tử cho chỉ mục HNSW |
|---|---|---|
<-> | Khoảng cách L2 | vector_l2_ops |
<#> | Tích vô hướng (âm) | vector_ip_ops |
<=> | Khoảng cách cosine | vector_cosine_ops |
<+> | Khoảng cách L1 | vector_l1_ops |
Với embedding văn bản, cosine là lựa chọn phổ biến. Hãy dùng toán tử mà model embedding của bạn khuyên.

Chú thích ảnh: Màn hình hiển thị đoạn mã trên trình soạn thảo, minh họa việc viết truy vấn khoảng cách vector. Ảnh: Christina Morillo, Pexels, giấy phép Pexels (link gốc xem mục Nguồn, phần Ảnh).
Bước 3: Lập chỉ mục HNSW và chỉnh tham số tìm kiếm
Quét toàn bảng chạy ổn ở vài chục nghìn dòng. Qua ngưỡng đó, bạn cần chỉ mục gần đúng. Đổi lại, kết quả có thể bỏ sót vài hàng xóm thật.
CREATE INDEX ON items
USING hnsw (embedding vector_cosine_ops)
WITH (m = 16, ef_construction = 64);
SET hnsw.ef_search = 100; -- default is 40Mặc định của HNSW là m = 16 và ef_construction = 64. Tham số hnsw.ef_search mặc định 40 và quyết định số ứng viên được duyệt lúc truy vấn. Tăng nó thì độ bao phủ tốt hơn, truy vấn chậm hơn.
IVFFlat là lựa chọn thứ hai. Nó cần có dữ liệu trước khi lập chỉ mục. Tài liệu gợi ý lists bằng số dòng chia 1.000 tới 1 triệu dòng. Trên mức đó, dùng căn bậc hai của số dòng. Tham số probes mặc định là 1, điểm khởi đầu tốt là căn bậc hai của lists.
Lúc dựng chỉ mục HNSW, hãy đưa maintenance_work_mem đủ lớn để đồ thị nằm trong bộ nhớ. Khi đồ thị vượt mức, Postgres in cảnh báo "hnsw graph no longer fits into maintenance_work_mem after 100000 tuples". Việc dựng sẽ chậm đi.
Bước 4: Lọc theo metadata mà không mất kết quả
Đây là chỗ bản ngây thơ hay hỏng nhất. Truy vấn thực tế gần như luôn có điều kiện lọc, ví dụ theo tenant_id.
SET hnsw.iterative_scan = relaxed_order; -- needs pgvector 0.8.0 or newer
SELECT id, body
FROM items
WHERE tenant_id = 42
ORDER BY embedding <=> '[0.01, 0.02, ...]'
LIMIT 5;Chỉ mục quét trước, điều kiện lọc áp sau. Tài liệu nêu ví dụ cụ thể. Điều kiện khớp 10% số dòng, ef_search là 40. Khi đó trung bình chỉ còn khoảng 4 dòng khớp. Bạn xin 5 kết quả và nhận ít hơn.
Từ bản 0.8.0, quét lặp (iterative index scan) tiếp tục duyệt chỉ mục cho đến khi đủ kết quả. Với điều kiện lọc cố định theo từng khách hàng, hãy cân nhắc chỉ mục riêng hoặc phân vùng bảng.
Giới hạn và rủi ro khi chạy pgvector
Tìm kiếm gần đúng nghĩa là có thể bỏ sót. Hãy đo độ bao phủ của bạn bằng cách so với kết quả chính xác trên một mẫu truy vấn thật. Không có con số chung nào đúng cho mọi bộ dữ liệu.
Chi phí bộ nhớ là rủi ro thứ hai. Đồ thị HNSW sống tốt nhất trong RAM. Bảng vector lớn mà RAM nhỏ thì truy vấn rơi xuống đĩa và độ trễ tăng mạnh. Hãy đo trên phần cứng thật của bạn trước khi cam kết.
Cảnh báo kỹ thuật
Chi phí ẩn: lập chỉ mục trên bảng đã có hàng triệu vector có thể mất nhiều giờ và khóa tài nguyên. Hãy dựng thử trên bản sao và đo thời gian thật trước khi chạy production. [CHƯA KIỂM] thời gian dựng trên phần cứng của bạn.
Chọn sai toán tử cũng âm thầm làm mất tác dụng chỉ mục. Câu truy vấn dùng <=> mà chỉ mục dựng bằng vector_l2_ops sẽ không được dùng.
Bảng đối chiếu: HNSW và IVFFlat trong pgvector
| Tiêu chí | HNSW | IVFFlat |
|---|---|---|
| Cần dữ liệu trước khi lập chỉ mục | Không | Có |
| Tham số lúc dựng | m (16), ef_construction (64) | lists |
| Tham số lúc truy vấn | hnsw.ef_search (40) | ivfflat.probes (1) |
| Giới hạn số chiều chỉ mục | 2.000 | 2.000 |
Số liệu lấy từ README của pgvector, chốt ngày 14/11/2026. Mặc định có thể đổi theo phiên bản, nên đối chiếu lại tài liệu gốc trước khi dựng.
Đọc thêm trên 3a.com.vn:
- RAG tài liệu nội bộ và lỗi trích dẫn sai nguồn
- Self-host n8n với queue mode, PostgreSQL và Redis
- Token trong AI là gì
- Khánh Linh, viết cho người làm thật
Nguồn
Nguồn
- pgvector, README, GitHub, ngày truy cập 2026-11-14. Link: https://github.com/pgvector/pgvector
Ảnh
- Bìa: Luis Gomes, Pexels, giấy phép Pexels, ngày 2017-08-04. Link gốc: https://www.pexels.com/photo/546819/
- Ảnh thân bài: Christina Morillo, Pexels, giấy phép Pexels, ngày 2018-06-22. Link gốc: https://www.pexels.com/photo/1181271/



