1. 向量数据库SDK调用检索有点慢，有什么优化方法吗？

首先请参考测试工具检查公网延时。如果是因为公网网络延迟，建议使用私网连接可改善时长，请参考VikingDB 私网连接方式。
如果公网时延符合预期，请检查代码调用逻辑，index只需要初始化一次即可，无需重复调用，请参考Python SDK- search。

2. CPU 使用率受哪些因素的影响？

• QPS：高 QPS 会使 CPU 使用率升高，因为单位时间内要处理更多任务。
• topk 太大：会增加 CPU 的计算量和排序筛选工作，提高 CPU 使用率。
• dsl 太过复杂：复杂的 DSL 会让 CPU 花费更多的运算资源来解析和执行相应的检索逻辑。

3. 数据插入与查询同时进行时，查询性能会下降吗？

不会，因为我们是存算分离的架构，因此数据的写入完全不会影响到在线检索。

4. 向量库数据写入效率的限制是多少？

同步写入限流是 1000 条数据/秒；异步写入限流是10000条数据/秒，对于需向量化的数据还需要考虑token限流情况。

5. 插入、删除或更新数据后，是否需要刷新才能查询到最新数据？

不需要刷新即可直接查询到数据。

6. 搜索特定子索引时，数据库的规模是否影响查询性能？

不会。如果为搜索指定了子索引，VikingDB只搜索指定的子索引。

7. 为什么索引创建页面显示的预估 QPS 和实际测下来的 QPS 不符？

索引创建页面中显示的QPS是根据CU估算出来的值。然而，单次请求占用的CPU和请求参数（limit值、检索条件等）紧密相关，不同场景下的CPU消耗会有较大的差别，进而导致在相同CU配置条件下，能支持的QPS差别也比较大

8. 如何根据业务场景预估资源使用量？

目前建议连接产品解决方案或产解进行辅助预估，后续将上线资源自动预估功能。

9. 单个数据集的数据量上限是多少？数据量达到多少量级会导致检索速度变慢？

单个数据集数据量没有上限。
百万以上的数据量会对检索速度产生影响，具体影响程度与向量维度、检索条件、索引类型和量化方式等都有关系。

10. 向量库使用时有几个副本对外提供服务，副本如何分配计算资源？

向量数据库使用时会有至少两个副本提供服务，计算资源在流量上是均分的。

11. 为什么CU未达到上限但是search请求被限流了，返回报错"code":1000029,"message":"请求次数已达上限, 请控制访问频率"？

可能是因为接口请求不符合预期导致collection 或 index 查询接口被限流，需要检查使用方法。
使用时，index 和 collection 只初始化一次即可，不需要每次检索都重新执行。