大家好，我是不会写代码的纯序员——Chunel Feng，有一阵子没写我的技术博客了，大家是不是很急着看段子了！！！今天的段子特别多，希望大家慢慢看。。。

之前跟大家提过，我们之所以写CGraph这个项目，主要是为了对再早些我们写的一款向量检索引擎——caiss，做技术架构升级，全面支持图化和可插拔开发。写着写着，不断衍生出有很多实用的功能——比如，分块治理，元素切面，调度优化等——都是刚开始的时候，没曾想过的。

就这样，一直断断续续的写了近一年——毕竟平日还是要正常上班的嘛，只有周末休息的时间才有空写。这一年因为做开源项目，认识了很多新的朋友，也有了一些自己的成长和收获，这些都不一一说了。不过无论怎样，我们还是不忘初心，在这个时间点，开启了针对Ann向量检索领域的定制化支持，同时也开启了CGraph-v2.0.0版本的新阶段。

在Ann领域中，距离计算是必不可少的话题。这篇文章中，我会跟大家聊聊CGraph中距离计算组件的实现和扩展方法，并且说说一下我们对Ann领域，做的一些定制化开发和贡献。

我们还是照例，先上代码连接：CGraph 中距离计算组件 源码

整体思路

在做CGraph的距离计算库之前，我粗略的扫了一下几个主流的向量算法的实现方法。有些是默认支持float方法的；更多的一些呢，其实是支持template 传入具体类型，然后通过添加工厂注册的方法来判断需要计算的距离类型。

template<typename T>
void* createDistFactory<T>(int distType) {
    // 工厂方法，创建新的距离，需要实现新的Dist类，并修改工厂创建的代码
    void* dist = nullptr;
    switch (distType) {
        case 1: dist = new DistCos<T>();
        case 2: dist = new DistEuc<T>();
        case 3: dist = new DistMht<T>();
        // 添加新的距离计算方式，需要在原有主流程代码中做改动
        case 4: dist = new DistMyFunc<T>();
        default: dist = nullptr;
    }

    return dist;
}

我必须严（为）肃（锤）声（而）明（锤）一下，添加工厂元素，是要入侵式的修改主流程代码好么？作为在恋爱咨询领域有丰富经验的资深专家，我一直认为：代码入侵这种东西吧，跟出轨一样，不要关注多少次，只要关注有或者没有

还有，除了完成正常的计算工作之外，还能做一点什么方面的提升和优化（让我文章有内容可以写）呢？想了一下，我们主要在以下几点做改进：

• 支持任意类型距离的计算，支持快速无入侵的添加自己的距离计算库
• 支持任何数据类型的计算（int，float，double啥的自由切换，别跟我说string了）
• 支持各种校验逻辑、归一化逻辑的扩展
• 代码简洁易懂，可维护性强，使用简单，可扩展性强
• 支持各种simd、cuda等加速计算功能（todo）

距离计算库

具体实现的思路和代码逻辑结构，我就不说了哈——这也不是我们这篇文章的主旋律。大家有兴趣的话，直接去看一下 CGraph距离计算库 源码 吧，欢迎review && commit。

总之，结果是，实现了一个以下类型的UDistance子类之后，就可以通过 UDistanceCalculator类，实现向量计算逻辑了。使用的过程，一共就是上图中划红框的两句话。

插件引入

讲到这里，简单的提两句，因为是完全无入侵的方式实现的逻辑，也推荐大家来贡献一下AI领域比较常见的距离计算库的实现类哈，特别是各种加速计算的版本哈。简单的实现demo参考链接：自定义距离计算 源码

大家有兴趣的话，可以自行去实现自己设计的距离，然后复用CGraph提供的计算功能。目前除了以上所说的逻辑之外，还支持了自校验、标准化、batch计算等功能，并且以上功能都支持无入侵的三方扩展的。

期待有机会跟大家一起完成一些共建工作。

本章小节

好吧好吧，上面说了这么多，主要是为了引出来这一小节的话题——那就是我们的CGraph成功出圈了，已经有了第一个开源的兄弟项目：GraphANNS 。我们之所以要升级到CGraph-v2.0.0版本，抽象DomainAnn结构，并且实现基础版本的距离组件，就是为了更好的支持这次出圈的合作共建。

最近，杭电&之江实验室的同学，通过复写CGraph的算子和参数类，实现了对Ann传统算法的细粒度拆解，拼装，逐层调优和调度逻辑，简直就是mini版的blink + faiss的组合。今后也会基于此方法实现更多的算子，并完成相关实验，得到更优的结果。

希望在这个不断优化过程中，CGraph调度和组合功能，对实验人员有所帮助。也希望整个工程，今后在行业内有自己的影响力。具体工程的链接：GraphANNS 源码地址。当然了，我们也会不断升级和优化CGraph的功能，并且提供尽可能多的定向支持，使得框架 配得上、帮得到、撑得住、玩得转 高大上的AI领域研究。

工程的作者是一位在Anns领域有丰富经验的研究人员，即将去浙大读博。也时刻关注最新的Anns算法，并且长期更新自己的博客专栏 程序员王同学 in CSDN，git主页 whenever5225 in Github 里，还有一些其他论文和对应的工程实现，欢迎大家来关注和支持一波，一起交流和分享相关技术。

PS：比某些天天在技术交流群里卖茶叶的浙大混混，不知道强到哪里去了。

在此，我们也一并感谢技术交流群里给项目提供xmake编译脚本、搭建code review服务、帮忙贡献代码和提意见的童鞋。最后的最后哈，欢迎大家添加我的个人微信，大家经常交流，互相学习，共同进步哈。

                              [2022.04.10 by Chunel]

推荐阅读

• 纯序员给你介绍图化框架的简单实现——执行逻辑
• 纯序员给你介绍图化框架的简单实现——循环逻辑
• 纯序员给你介绍图化框架的简单实现——参数传递
• 纯序员给你介绍图化框架的简单实现——条件判断
• 纯序员给你介绍图化框架的简单实现——面向切面
• 纯序员给你介绍图化框架的简单实现——函数注入
• 纯序员给你介绍图化框架的简单实现——线程池优化（一）
• 纯序员给你介绍图化框架的简单实现——线程池优化（二）
• 纯序员给你介绍图化框架的简单实现——线程池优化（三）
• 纯序员给你介绍图化框架的简单实现——线程池优化（四）
• 纯序员给你介绍图化框架的简单实现——线程池优化（五）

个人信息

微信: ChunelFeng
邮箱: chunel@foxmail.com
个人网站：www.chunel.cn
github地址: https://github.com/ChunelFeng