[FR] 支持 HNSWx 模式构建索引（实验性）

[soutubot]

• 支持 HNSWx(IndexHNSWFlat) 模式构建索引（实验性）
  其优点：基于图检索的改进方法，检索速度极快，10亿级别秒出检索结果，而且召回率几乎可以媲美Flat，能达到惊人的97%。检索的时间复杂度为loglogn，几乎可以无视候选向量的量级了。并且支持分批导入，极其适合线上任务，毫秒级别体验。（来自网传）
  其缺点：构建索引极慢，占用内存极大（是Faiss中最大的，大于原向量占用的内存大小）

[Aloxaf]

If you have a lots of RAM or the dataset is small, HNSW is the best option, it is a very fast and accurate index. The 4 <= M <= 64 is the number of links per vector, higher is more accurate but uses more RAM. The speed-accuracy tradeoff is set via the efSearch parameter. The memory usage is (d * 4 + M * 2 * 4) bytes per vector.

根据 faiss wiki 的说法，HNSW 仅用于内存很大且数据集很小的情况。按这段文字所给的数据，取 M = 16，则每个向量会占用 160byte，这是当前方法内存占用的 5 倍。

不过代替 Flat 用作 quantizer 倒是可以考虑。