在介紹騰訊詞向量時，用到了annoy，這里對annoy的用法詳細做一下介紹。
GitHub地址：https://github.com/spotify/annoy
Annoy是Erik Bernhardsson在Hack Week期間花了幾個下午寫的（github原話），全稱Approximate Nearest Neighbors Oh Yeah（這個Oh Yeah真是亮瞎眼）。這個包的優點就是快，內存占用也小，還可以靜態存儲索引用於更多任務。目前已經在音樂推薦系統Spotify中應用。
這個工具可以用來計算空間中點的距離，輸入某個點，返回最近的若干點。
這個包直接pip install annoy就可以安裝，C++版本的直接下載后#include "annoylib.h"。
使用方法：
from annoy import AnnoyIndex
import random
f = 40
t = AnnoyIndex(f, 'angular') # Length of item vector that will be indexed
for i in range(1000):
v = [random.gauss(0, 1) for z in range(f)]
t.add_item(i, v)
t.build(10) # 10 trees
t.save('test.ann')
# ...
u = AnnoyIndex(f, 'angular')
u.load('test.ann') # super fast, will just mmap the file
print(u.get_nns_by_item(0, 1000)) # will find the 1000 nearest neighbors
默認的索引是從0到n-1。
API:
AnnoyIndex(f, metric) f 向量維度，metric 距離度量方式，取值 "angular", "euclidean", "manhattan", "hamming", or "dot". 計算angular是使用的sqrt(2(1-cos(u,v)))這個公式，用的歐幾里得距離。euc = sqrt(2(1-cos))。
a.add_item(i, v) 添加元素 i 和向量 v
a.build(n_trees, n_jobs=-1) n_trees是森林的樹數目，值越大結果越精確，n_jobs 進程數，默認-1使用所有的CPU。build調用之后，就不能再添加元素了。
a.save(fn, prefault=False) 保存到本地
a.load(fn, prefault=False) 從本地讀取，prefault是預先讀入內存，默認為False.
a.unload() 清除加載內容
a.get_nns_by_item(i, n, search_k=-1, include_distances=False) 返回n個最近元素。在查詢過程中，它將檢查search_k個節點，如果沒有提供，默認為n_trees * n。search_k給了一個速度和准確率的折中。include_distances設為True，會提供一個由兩個列表組成的二元組，第二個列表包含所有相關的距離。
a.get_nns_by_vector(v, n, search_k=-1, include_distances=False)結果一樣，不過是通過向量v來查詢。
a.get_item_vector(i) 返回索引i對應的向量
a.get_distance(i, j) 返回元素i和j的距離，squared distance
a.get_n_items() 返回元素數量
a.get_n_trees() 返回樹數目
a.on_disk_build(fn) 指定在除了RAM之外的其他文件上構建索引（在添加元素之前執行）
a.set_seed(seed) 在構建樹之前可以指定隨機數
這里面主要有兩個參數需要調，n_trees和search_k，一個是構建時的參數，一個是搜索時的參數。
下面這是qps和recall值之間的trade-off，使用時要綜合考慮准確率和速度。
