向量數據庫 Weaviate 自 1.0 版本問世以來，一直以「性能極致」「模塊生態」「開箱即用」著稱。2025 年 5 月 30 日，官方正式放出了 v1.31.0。相比上一版，這一次沒有“破壞性變更”，卻帶來了超過 200 個功能點、性能優化與問題修復。本文為你提煉關鍵亮點，并對重要特性進行深度解讀，幫助開發者、架構師、數據科學家第一時間吃透升級價值。

二、本次版本的五大核心升級

1. 1. 向后兼容的 Named Vectors

2. 2. 全新 MUVERA 編碼器

3. 3. HNSW 向量索引快照化

4. 4. BM25 支持 AND / OR 最小匹配

5. 5. 副本移動（Replica Movement）初步開放

下面詳細展開。

三、向后兼容的 Named Vectors

1. 1. 用途
   ? 過去，我們一次只能給每條對象存一條“默認向量”。
   ? 多模態、多任務場景日益增多，例如同時存圖像向量、文本向量、Meta 向量，迫切需要“一條記錄多向量”。
   ? Named Vectors 正式轉正，并兼顧舊集合（Legacy Vector）。

2. 2. 主要改動
   ? 自動建模時，默認直接創建命名向量，而不是傳統默認向量。
   ? 老集合若混用新舊配置，可用 default 名稱“指向”舊的向量列，平滑過渡。
   ? 運行中給已有集合追加新的命名向量不再需要額外開關——策略改為“默認開啟”。

3. 3. 影響評估
   ? API 不變：插入/查詢時只需在 body 中加上 vectors 字段及其子名稱。
   ? 性能：內部結構由一列擴展為 N 列，單條寫入/讀出略增 5%~8% 開銷，但遠小于多表拆分成本。
   ? 升級建議：依賴舊版 SDK 的項目，先確認 SDK 版本 ≥1.31.0，否則 Named Vectors 字段可能無法序列化。

四、MUVERA 編碼器

1. 1. 什么是 MUVERA
   ? Multi-Vector Embedding with Repetition and Aggregation，由 Weaviate 社區提出的多向量自動重復聚合策略。
   ? 通過設置 repetitions 參數，對同一段文本進行多次“隨機掩碼 + 嵌入”，最后匯聚，能顯著提升檢索穩定性。

2. 2. v1.31.0 更新
   ? MUVERA 編碼內置并可在 class 索引級別啟用。
   ? 默認 repetitions 從 4 調整到 6，在公開英語、法語數據集上 top-10 命中率平均提升 2.3~3.1 pp。

3. 3. 適用場景
   ? 搜索召回“漏檢”痛點嚴重的長尾語料。
   ? 多語言、口語化文本庫。

五、HNSW Snapshotting

1. 1. 痛點
   ? 客戶端批量寫入時，HNSW 構圖成本高；若節點瞬斷，需要重建圖，耗時數十分鐘。
   ? 備份還原場景中，重放 WAL 也會因圖不存在導致性能抖動。

2. 2. 新能力
   ? 支持周期性快照，周期通過環境變量或 runtime config 指定，默認 10 分鐘。
   ? 快照文件采用增量方式，僅存儲新增節點的鄰接信息。
   ? 恢復時先加載最近快照，再對剩余增量重新構圖，速度縮短 10~20 倍。

3. 3. 兼容性
   ? 若關閉快照（snapshotting: false），行為與舊版本一致；升級不強制改造。

六、BM25 AND/OR + Minimum Should Match

1. 1. 背景
   ? 經典 BM25 在全文檢索中常用，但 Weaviate 早期實現僅支持單一關鍵字列表（must match any）。
   ? 復雜檢索需要靈活表達式——「A AND B」或「(A OR B) AND C」。

2. 2. 本次改進
   ? where 子句新增 minimumOrTokensMatch，可設置按 OR 邏輯命中數閾值。
   ? 同時引入顯式 AND 語義，開發者可單獨聲明必須出現的 token。
   ? 對計算密度高文本集合的實測：AND / OR 混用查詢延遲提升不超過 5 ms，召回準確率大幅提高。

七、副本移動（Replica Movement）
（當前處于 “默認關閉” 狀態，需顯式打開 runtime_config.replication.movementEnabled）

1. 1. 背景
   ? 分片副本在多節點集群中經常需要“搬家”，例如節點擴容、縮容、故障下線。
   ? 之前只能全局重分片，運維成本高。

2. 2. v1.31.0 能力
   ? 支持“復制”與“移動”兩種模式：
   —— 復制：從源節點文件級 copy 到目標節點，實現副本數 +1；
   —— 移動：拷貝完成后，異步同步殘留寫操作，再刪除源。
   ? 內置有限狀態機（FSM）管理生命周期：INIT → COPYING → FINALIZING → READY。
   ? 提供 RESTful 接口：GET /v1/replication/replicate/{id}、DELETE、force-delete 等。

3. 3. 注意
   ? 監控：Prometheus / Grafana 模板同步更新，可查看復制速度、排隊長度、錯誤率。
   ? 當前版本將功能關閉，官方給出原因是“對大規模負載要繼續壓測”；生產試用請充分演練。

八、性能升級一覽

1. 1. Thread-safe 隊列 & 向量索引重構——多核寫入吞吐提升 ~16%

2. 2. Stand-alone K-means 算法全面串行→并行——分桶初始化提速 11 倍

3. 3. 內存段 Rangeable Index + Buf Pool 引入——高并發檢索 RSS 降低 20%

4. 4. WAL 重用——重啟場景下的恢復時間降低 40%

5. 5. 優化 mmap 讀頭策略——資源占用下降，IO wait 減半

6. 6. Segment 寫入批量 flush 合并——日志寫放大降低 28%

九、模塊生態新成員

1. 1. voyage-3-large / voyage-3.5
   ? 面向海量多語言語義搜索的 embedding 服務

2. 2. tex2vec-model2vec
   ? 通用型文本嵌入，需要自建模型或調用外部 API

3. 3. text2vec-huggingface 最新 API 對齊

4. 4. 新增 Cohere v3.5 重排序模型支持

5. 5. Google Gemini 默認模型從 1.0-pro-vision 更換為 2.0-flash-001

十、穩定性與安全修復

1. 5. Azure OpenAI 響應解析修正
   針對與 Azure OpenAI 服務對接時的響應格式變動，進行了兼容性修復，確保外部調用穩定無誤。

2. 6. RBAC 權限管理完善
   補全了從老版本到新版本的角色權限快照升級和降級路徑，保證用戶權限數據在版本遷移時不丟失、不同版本間能平滑過渡。

3. 7. 防止內存泄露及寫入競態
   新增多種保護措施和代碼改進，避免在并發寫入和索引構建過程中的競態條件，提升系統穩定性，降低宕機風險。

4. 8. HNSW 索引“幽靈節點”清理
   修復了因異常終止導致的鄰接列表中殘留無效節點（幽靈節點）問題，避免索引查詢異常或性能退化。

5. 9. WAL 日志空文件問題解決
   清理和擦除了無用的空白 WAL 文件，改善磁盤使用效率，防止空間浪費，提升存儲穩定性。

十一、性能優化深度解讀

1. 1. 線程安全的向量索引訪問
   重新設計寫入和讀取隊列，利用更細粒度的鎖和無阻塞結構，實現多線程下的高效并發訪問，寫吞吐量提升約16%。
   實際項目中，高并發場景下寫入等待時間顯著縮短，服務響應更流暢。

2. 2. 并行化的 Stand-alone K-means 算法
   經典聚類算法在單節點環境下升級為并行模式，分桶初始化加速11倍。
   聚類模型重訓練的耗時大幅縮短，有效支持頻繁模型更新的在線實用場景。

3. 3. 區間索引和緩沖池提升內存利用
   引入 rangeable segment-in-memory 結構，結合多線程安全的緩沖池（buf pool），降低內存碎片和重復分配。
   結果是高并發查詢時 RSS（實際常駐內存量）降低約20%，載入響應更快。

4. 4. WAL 重用機制
   在節點重啟和數據恢復期間，復用已有的寫前日志（WAL），減少重復磁盤 IO，整體恢復時間縮短40%。
   對應服務重啟和升級場景，系統可迅速恢復正常服務，降低停機時間。

5. 5. mmap 讀取優化
   通過預計算和智能管理 mmap 文件頭部，有效減少系統調用和磁盤尋址次數，提升文件讀取效率，IO等待時間減半。
   在磁盤 I/O 緊張時段表現尤為明顯。

6. 6. 批次寫入和刷盤合并
   合并多條索引寫入的刷盤操作，減少磁盤寫放大，寫入效率提升28%，磁盤壽命延長。

綜上，性能優化囊括 CPU、內存、磁盤 IO 多維度，極大提升了 Weaviate 的服務穩定性和吞吐能力。

十二、模塊生態持續豐富

1. 1. 新增 voyage-3-large 和 voyage-3.5 模型
   針對多語言多模態大規模檢索場景進行優化，高效生成高質量向量表示。適合企業跨語言內容搜索和推薦。

2. 2. tex2vec-model2vec 模塊
   支持自定義文本嵌入模型接入，方便滿足行業個性化需求。加上 HuggingFace 和 Cohere 模塊更新，用戶擁有更廣泛的選擇。

3. 3. 兼容開放 API 變更
   更新文本嵌入相關模塊以對齊最新接口規范，兼顧向后兼容，方便用戶酌情升級。

4. 4. Google Gemini 模型替代
   Gemini-1.0-pro-vision 版本默認更替為效果更優的 Gemini-2.0-flash-001，提升自然語言理解表現，增強下游生成與語義檢索能力。

十三、開發者與用戶指引

1. 1. 升級注意事項
   ? 備份好當前數據和配置，特別是 RBAC 權限配置與復制狀態。
   ? SDK 和客戶端版本盡量升級至同一主版本，兼容新特性 Named Vectors。
   ? 副本移動（Replica Movement）默認關閉，非專業運維團隊暫勿啟用。
   ? HNSW 快照支持無需開啟即可提升恢復速度，但可根據負載調整周期。

2. 2. 新特性使用建議
   ? Named Vectors 讓多模態數據管理更便捷，建議新項目默認啟用。
   ? MUVERA 編碼適合多語言文本和噪聲較多環境，開啟后可提升召回穩定性。
   ? BM25 多邏輯查詢能力，適合復雜查詢場景，建議在業務需求明確時采用。
   ? 監控指標和 Grafana Dashboard 更新，建議同時配套部署，實時掌控集群健康。

十四、未來展望

v1.31.0 顯著提升了 Weaviate 的靈活性、性能和可維護性，充分體現向量數據庫日益成熟的趨勢。隨著復制副本管理逐步完善以及多模態支持深化，Weaviate 有望成為更復雜企業應用的首選解決方案。

官方也公布了下一步重點研發方向，包括自動彈性擴縮容方案、模型在線微調支持、以及跨集群全局搜索融合等。敬請期待！

十五、結語

Weaviate v1.31.0 是一次里程碑式更新，集合了命名向量多樣化應用、編碼器進階、索引快照、檢索表達能力加強、復雜副本移動等多維度創新，性能提升與穩定性修復兼備。