LanceDB 0.15 建 IVF_PQ 报样本不足 该补多少行

这类问题我又碰上了一次。在本地用 lancedb 0.15.0 的 Python SDK 建索引，表里 4800 行 1024 维向量，table.create_index(metric="cosine", num_partitions=256, num_sub_vectors=64) 直接抛 RuntimeError: Not enough rows to train PQ, need 256 rows per partition，把 num_partitions 降到 8 后错误照旧，换成 IVF_FLAT 才有反应。

第一反应是「建索引前表里混着空向量，被过滤后有效行更少」，验证下来不成立。

排查方向其实有限，先把可能性排一排。PQ 训练要求每个分区至少 256 条样本，行数不够；num_sub_vectors 太大，单段维度除不尽导致训练直接跳过；索引名沿用了上一次失败的记录，代码读到的还是旧索引。

动手时先确认表里真实行数与向量维度

python -c "import lancedb;db=lancedb.connect('./lance_db');t=db.open_table('docs');print(t.count_rows(), t.schema)"

然后把分区数按 行数除以 256 重算，不够就退回暴力检索

python -c "print(4800//256)"

空向量先刷掉再统计有效行

python -c "import lancedb;t=lancedb.connect('./lance_db').open_table('docs');print(t.count_rows('vector is not null'))"

末了用 replace 重建索引并指定更小的子向量数

python -c "import lancedb;lancedb.connect('./lance_db').open_table('docs').create_index(metric='cosine', num_partitions=18, num_sub_vectors=32, replace=True)"

恢复的判定其实很直接。create_index 返回成功，list_indices 里能看到 IVF_PQ，检索十条的 _distance 单调递增，不再出现 Not enough rows。

索引训练是抽样过程，建之前先用分区数乘以 256 算出样本底线，低于这个数就老实退回 IVF_FLAT 或者暴力检索，硬调参数只会把时间浪费在报错上。拖得越久，排查成本越高，因为现场状态会被后续操作覆盖。