Faiss索引在macOS正常运行但Docker中报TypeError问题排查

修复代码 #

首先修改搜索函数，确保输入向量的类型与索引构建时完全一致，并规范数组形状处理：

import numpy as np

def get_similar_posts(embeddings: list[float]) -> list[str]:
    # 显式指定与索引匹配的数据类型（示例为float32，需与索引构建时一致）
    toSearch = np.array([embeddings], dtype=np.float32)
    # 显式赋值reshape结果（确保形状符合要求）
    toSearch = toSearch.reshape(1, len(embeddings))

    k = 30
    D, I = index.search(toSearch, k)
    print(D)
    return []

问题原因 #

1. 类型匹配严格性差异：M1本地环境的Faiss对输入类型兼容度较高，而Docker（通常为x86架构）环境的Faiss要求搜索输入的向量类型必须与索引构建时的向量类型完全一致。原代码未显式指定dtype，numpy默认推断为float64，若索引是用float32构建的，就会触发类型不匹配错误。
2. reshape未生效：原代码中toSearch.reshape(1, len(embeddings))未赋值给变量，虽然当前输入形状正确，但后续若修改输入维度可能引发隐性问题。

额外排查点 #

• 版本一致性：检查本地与Docker环境的Faiss版本是否一致，执行conda list faiss对比，版本差异可能导致API行为不同。
• 索引构建规范：确保构建索引时的向量也显式指定相同dtype，示例：

  # 构建索引时的代码
  index.add(np.array(all_embeddings, dtype=np.float32))
  

• 架构兼容性：若Docker镜像为x86架构，确认是否在兼容环境运行；若使用Faiss-GPU，需确保Docker容器的GPU配置正确。

内容的提问来源于stack exchange，提问作者Julien