如何在MySQL中加速人脸识别系统的欧氏距离计算与特征搜索？

问题背景回顾 #

你正在开发人脸识别系统，基于MySQL 8.0.29存储128维人脸特征（约11万条数据），当前通过计算欧氏距离搜索最匹配特征耗时约6秒，已尝试两个优化：

• 将decimal(9,8)改为float(9,8)，耗时从4秒降至3.26秒
• 把POWER(z,2)替换为z*z，反而耗时上升至4.65秒

接下来针对你的两个疑问逐一解答：

Update3：关于MySQL GIS Point类型的迁移问题 #

首先得提醒你一个关键误区：MySQL的Point类型是二维空间数据类型，只能存储(x,y)两个维度的坐标，完全无法适配你的128维人脸特征。所以用GIS Point类型来存储高维特征是不可行的，哪怕强行拼接也没法利用空间索引做高效搜索，反而会增加数据处理的复杂度。

如果你的初衷是想通过空间索引加速相似度搜索，那MySQL原生并不支持高维向量的索引和高效检索，这条路走不通。

Update4：转向PostgreSQL的建议 #

如果MySQL没法满足你的高维特征搜索需求，PostgreSQL绝对是更合适的选择，核心原因是它有专门的pgvector扩展，专门为高维向量相似度搜索设计，完美适配你的128维人脸特征场景。

pgvector的核心优势：

• 支持直接存储向量类型（比如vector(128)），不用再拆成128个单独字段
• 原生支持L2距离、余弦相似度、内积等常用相似度计算
• 提供两种高效索引：IVFFlat（适合百万级数据）和HNSW（适合千万级以上数据），能把检索耗时从秒级降到毫秒级
• 与PostgreSQL生态兼容，支持事务、备份等标准特性

迁移的大致步骤：

1. 安装pgvector扩展（通过CREATE EXTENSION vector;执行）
2. 创建新的特征表，用vector(128)类型存储特征：

   CREATE TABLE face_feature (
       id SERIAL PRIMARY KEY,
       feature vector(128) NOT NULL
   );
   

3. 把原MySQL中的128个float字段拼接成向量导入，比如：

   INSERT INTO face_feature (feature)
   SELECT ARRAY[f1, f2, ..., f128]::vector(128) FROM your_source_table;
   

4. 创建向量索引（以L2距离为例）：

   CREATE INDEX idx_face_feature ON face_feature USING ivfflat (feature vector_l2_ops);
   

5. 搜索最匹配特征的SQL会变得非常简洁：

   SELECT id, feature <-> '[0.1, 0.2, ..., 0.5]'::vector(128) AS distance
   FROM face_feature
   ORDER BY distance
   LIMIT 1;
   

   这里的<->就是pgvector提供的L2距离运算符。

额外提示：

pgvector对硬件要求不高，哪怕是普通服务器，百万级数据的检索也能稳定在毫秒级，完全能满足人脸识别的实时性需求。

额外的小建议 #

关于你之前遇到的z*z比POWER(z,2)慢的问题，这可能是MySQL的查询优化器对z*z的处理不如内置函数高效，建议继续使用POWER函数。另外，在MySQL中如果不引入外部扩展，高维特征的搜索本质还是全表扫描，很难有质的提升，所以转向PostgreSQL+pgvector是更彻底的解决方案。

内容的提问来源于stack exchange，提问作者zono