@GergelyOrosz：turbopuffer 公开展示他们的新架构一开始比旧架构慢多达 128 倍……

X AI KOLs Following 新闻
vector-database performance-optimization architecture migration search-engine tech-blogging

摘要

Gergely Orosz 强调 turbopuffer 公开分享了他们迁移到 v3 架构的过程，新设计最初比旧架构慢多达 128 倍，而每一步优化（例如批量读取带来约 9 倍的性能提升）都被公开记录了下来。

turbopuffer 公开展示他们的新架构一开始比旧架构慢多达 128 倍……当然，这是在他们进行优化之前的状态。 而且他们正在逐项进行优化，并把每一项都写成博客分享出来 以前从没看到有人把这样一次架构迁移完整公开出来，太棒了
查看原文
查看缓存全文

缓存时间: 2026/10/03 10:55

turbopuffer 在展示他们新架构有多糟糕这方面真是出奇地坦诚：在进行任何优化之前，新架构比旧架构慢了高达 128 倍……

而且他们还在一边做优化、一边写博客分享每一次改进。

之前从没见过有团队这样公开分享迁移过程的，太喜欢这种做法了。

turbopuffer (@turbopuffer): 我们在 v3 全文搜索引擎中实现了批量读取，性能提升了约 9 倍。倒排索引（postings）是以列的形式存储的，而我们之前却是一行一行地读取的

有时候优化并不需要多聪明，只需要避免犯错就够了

相似文章

@GergelyOrosz: 这很少见：turbopuffer 喜欢写博客、做记录、画图表，展示他们如何重写底层引擎——从现在起，重写已经完成，但性能嘛……唉 Gergely Orosz 高度评价 turbopuffer 公开记录 tpuf 存储引擎 v3 重写进展的做法，在公开打磨查询计划，而不是等重写完成、速度起飞后才来庆祝

X AI KOLs Timeline

Gergely Orosz 高度评价 turbopuffer 公开记录 tpuf 存储引擎 v3 重写进展的做法，在公开打磨查询计划，而不是等重写完成、速度起飞后才来庆祝

@reprompting：今天阅读关于 NVIDIA Hopper 架构的内容 https://arxiv.org/pdf/2501.12084

X AI KOLs Timeline

这篇论文对 NVIDIA Hopper GPU 架构进行了多层级微基准测试分析，评估了 L2 分区缓存、第四代张量核心（FP8）、DPX 指令、分布式共享内存（DSM）和张量内存加速器（TMA）等新特性的性能表现，结果显示 TMA 异步编程可实现 1.5 倍矩阵乘法加速，FP8 性能接近 FP16 的两倍，DPX 指令可加速生物信息学算法至少 4.75 倍。