query_hybrid_benchmarks

Hybrid Query Optimizations Benchmarks (Phase 1.5+)

Stand: 5. Dezember 2025
Version: 1.0.0
Kategorie: Query

---

Dieser Bericht dokumentiert die Messmethodik und Zielmetriken für die neuen Optimierungen:

1. Parallel Filtering (TBB + multiGet)
2. SIMD L2 Distance (AVX2/AVX512 Fallback Scalar)
3. Geo-aware Cost Optimizer (Vector-first vs. Spatial-first Plan)

1. Methodik

1.1 Microbenchmarks

• Datei: benchmarks/bench_simd_distance.cpp

  • Vergleicht simd::l2_distance() gegen eine reine Scalar-Implementierung für Dimensionen {64,128,256,512}.
  • Metrik: Zeit pro Distanzberechnung (µs).

• Datei: benchmarks/bench_hybrid_vector_geo.cpp

  • Misst ANN-Suchkosten für Hybrid Vector+Geo (vereinfachter Pfad; SpatialIndex hier nicht integriert um Setup klein zu halten).
  • Metrik: Zeit für Top-k Suche (ms) bei N=5000, k=10.

1.2 Geplante Integrationstests

• Datei: tests/test_hybrid_optimizations.cpp (Grundgerüst)
  • Testfälle:
    • Vector-first Plan (erzwungen via bbox_ratio_threshold = 0.0).
    • Brute-Force Pfad ohne Vektorindex (SIMD Distanz, Reihenfolge-Semantik).
  • Finalisierung nach Einbindung eines SecondaryIndexManager Test-Fixtures.

1.3 Vergleichs-Szenarien (Zielwerte)

Szenario	Basis (vor Optimierung)	Ziel (nach Optimierung)	Erwartete Speedup
Brute-Force L2 (512 dim)	~X µs	~X/1.4 µs	1.3–1.5×
Vector-first Hybrid k=10 (N=5k)	~Y ms (Spatial-first)	~Y/1.2 ms	1.1–1.3×
Content+Geo 1000 FT Hits	~Z ms	~Z/2 ms	1.8–2.2×
Graph+Geo BFS depth 5 (500 nodes)	~A ms	~A/1.5 ms	1.4–1.6×

Hinweis: Platzhalter (X,Y,Z,A) werden nach erstem Benchmark-Lauf ersetzt.

2. Ausführung

2.1 Build (mit AVX2 unter MSVC)

cmake -S . -B build -G "Visual Studio 17 2022" -A x64 -DCMAKE_BUILD_TYPE=Release -DTHEMIS_ENABLE_AVX2=ON
cmake --build build --config Release --target themis_benchmarks

2.2 Benchmarks starten

.\buildench_simd_distance.exe --benchmark_color=yes
.\build	hemis_benchmarks.exe --benchmark_filter=Hybrid_VectorFirst

2.3 Integrationstest-Lauf (nach Fertigstellung der Assertions)

cmake --build build --config Debug --target themis_tests
.uild	hemis_tests.exe --gtest_filter=HybridOptimizations.*

3. Ergebnis-Erfassung

Nach dem Lauf die Rohdaten (JSON möglich via --benchmark_format=json) sichern:

.uildench_simd_distance.exe --benchmark_format=json > simd_distance_results.json

Kennzahlen werden in diesen Bericht aufgenommen und im DATABASE_CAPABILITIES_ROADMAP.md konsolidiert.

4. Tuning-Parameter

config:hybrid_query erlaubt Feintuning:

{
  "vector_first_overfetch": 6,
  "bbox_ratio_threshold": 0.25,
  "min_chunk_spatial_eval": 64,
  "min_chunk_vector_bf": 128
}

5. Nächste Schritte

• Assertions in test_hybrid_optimizations.cpp vervollständigen (Plan-Erkennung, Distanz-Sortierung).
• Erweiterung des Hybrid-Benchmarks um SpatialIndex Pfad (R-Tree).
• Dokumentation realer Messwerte und Vergleich mit Ziel-Schwellen.

6. Risiken & Validierung

• SIMD Pfad fällt bei fehlender AVX2/AVX512 CPU transparent auf Scalar zurück (Performance-Minderung, keine Korrektheitsrisiken).
• Parallelisierung nutzt Chunking, testweise obere Schranke für Speicherverbrauch kontrollieren.
• Overfetch-Faktor > 10 kann Speicher-/CPU-Druck erzeugen; Standard 5 ist konservativ.

---

Letzte Aktualisierung: 17.11.2025