我想使用任何可能的RDBMS创建数据库。它将有一个大约150列的表格。目的是对某些其他对象执行最近邻搜索。因此，它是150维空间中的NNS。

我已经尝试使用一些显而易见的方法，例如L1或L2距离，但是对于具有多行的表，当然会花费很多时间。另外，我尝试查看KD树（请注意，我没有对其进行测试）和PG-Strom，但它们并不是多维数据的良好解决方案。

我可以使用数学方法（例如KD-tree）或技术方法（例如PG-Strom）以某种方式提高描述搜索的速度吗？

我将尝试使用允许提高NNS速度的任何RDBMS。但是MySQL和PostgreSQL是最适合我的DBMS。

PostgreSQL 9.6使用 cube

首先安装多维数据集扩展

CREATE EXTENSION cube;

现在，我们将在50个维度中创建具有100,000个点的n维空间。另外，我们将添加一个GIST索引。

CREATE TEMP TABLE space_nd
AS
  SELECT i, cube(array_agg(random()::float)) AS c
  FROM generate_series(1,1e5) AS i
  CROSS JOIN LATERAL generate_series(1,50)
    AS x
  GROUP BY i;

CREATE INDEX ON space_nd USING gist ( c );
ANALYZE space_nd;

现在，我们将生成一个单点，并使用<->算子使用欧几里得距离找到最近的点。

WITH points AS (
  SELECT cube(array_agg(random()::float)) AS c
  FROM generate_series(1,50)
    AS x
)
SELECT i,
  pg_typeof(space_nd.c),
  pg_typeof(points.c),
  cube_distance(space_nd.c, points.c)
FROM space_nd
CROSS JOIN points
ORDER BY space_nd.c <-> points.c
LIMIT 5;

PostgreSQL 9.6+支持上的其他距离运算符cube。所有这些都可以使用我们创建的GIST索引。即

a <-> b float8  Euclidean distance between a and b.
a <#> b float8  Taxicab (L-1 metric) distance between a and b.
a <=> b float8  Chebyshev (L-inf metric) distance between a and b.

那就是一个警告，

为了使人们更难以打破事物，多维数据集的维数限制为100。如果需要更大的参数，可以在cubedata.h中设置。

您要求150个尺寸。这可能会带来轻微的并发症。

考虑首先执行降维（例如，主成分分析）。

然后，您将在少数维度上以更高的性能进行NN。

如果需要，可以使用Pl / R在postgres中执行PCA。

看看FLANN和OpenCV。

不幸的是，我不知道将其集成到RDBMS系统中。但是，例如，化学结构信息与Posgres 集成在一起。因此，原则上可以做到这一点。

看一下https://github.com/a-mma/AquilaDB，它是一个矢量数据库，用于存储功能矢量和JSON元数据。将其与RDBMS保持在一起，并使用元数据来维护数据之间的交叉引用。