当前尖端的向量近邻搜索算法，主要以图搜索算法为主，此类算法为了能够最大化搜索的速度与准确度，需要将对应的索引结构和原始数据存放在内存中，显然这不仅大大提高了成本，还限制了数据集的大小。   例如在当前主流的内存型 HNSW 算法下， 业界常用的内存估算方式是：向量个数 * 4 * (向量维度 + 12)。那么 在 DEEP 10M（96维）的 1 千万数据就需要内存达到 4GB 以上，但是 通过

在 java 的垃圾回收 (gc) 中，根集搜索算法通过遍历对象图找到可从根集到达的对象，从而识别存活的对象。常用的算法包括：标记-清除算法：从根集开始递归标记可达对象，未标记对象被清除为垃圾。引用计数算法：维护每个对象的引用计数，当计数为 0 时释放对象。追踪式 gc：使用根集指针遍历对象图，未标记对象被清除为垃圾。 Java 内存管理中的根集搜索算法 Java 内存管理机制涉及使用垃圾收集器