[Bug] 同库多文档并行向量化时并发创建 HNSW 索引报 DuplicateTable，导致整库向量化任务失败

Offen
  • Stimmt etwas nicht?
#7,596 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Maintainer antworten meist innerhalb von 1 Tag

Dieses Issue hat noch niemand übernommen.

  • #7603 von @ump45nose — ohne Merge geschlossen
  • #7692 von @ump45nose — ohne Merge geschlossen

Bewertung

Schwierigkeit
3/5
Geschätzter Aufwand
1-2 Tage
Anfängerfreundlichkeit
22/100
Issue-Typ
Bug
Klarheit
Größtenteils klar
Aktivitätsstatus
Aktiv
Tech-Stack
postgresql, python
Bereich
backend, database

Rechercherichtung

Start with create_knowledge_index() in apps/knowledge/serializers/common.py, which checks pg_indexes before running CREATE INDEX, and with embedding_by_document() in apps/common/event/listener_manage.py, which calls it at the end of each document. Reproduce by running parallel document embedding tasks on one knowledge base. Done means concurrent index creation no longer fails the tasks. PR #7603 is already open against this issue, so review it before starting.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

MaxKB 版本

v2.10.x（社区版源码核实存在；生产环境为 v2 定制部署，2026-10 复现）

请描述您遇到的问题

对同一个知识库执行整库向量化/重嵌入时，同库多个文档并行向量化，任务批量报错失败。数据库报 DuplicateTable: relation "embedding_hnsw_idx_<knowledge_id>" already exists。

复现步骤
  1. 准备一个知识库，包含较多文档（我们场景为 27 个文档、491 个段落）
  2. 对该库执行向量化任务，使多个文档并行处理（库级嵌入任务会向每个文档派发并行子任务）
  3. 观察日志：多数文档向量化完成后，在创建知识库 HNSW 索引阶段出现报错，除第一个创建成功的文档外，其余并发文档任务全部失败

日志关键片段（已脱敏）：

19:01:00 Dropped index for knowledge ID: <kb_id>
19:01:00~19:01:16  491 个段落向量化全部完成（27 个文档并行）
19:01:01 ERROR 向量文档: <doc_id> 错误：
  psycopg.errors.DuplicateTable: relation "embedding_hnsw_idx_<kb_id>" already exists
原因分析（源码定位）

apps/knowledge/serializers/common.py 中 create_knowledge_index() 的逻辑是：
先查询 pg_indexes 判断索引是否存在，不存在则执行 CREATE INDEX。

apps/common/event/listener_manage.py 中 embedding_by_document() 在每个文档向量化收尾时都会调用该方法。

同库多文档并行时，多个任务同时通过"索引不存在"检查，随后并发执行 CREATE INDEX：第一个成功，其余全部因索引已存在而抛 ProgrammingError，导致这些文档的向量化任务整体失败。

预期的正确行为

并发的索引创建请求不应导致向量化任务失败。

环境信息
  • 部署方式：Docker
  • 数据库：PostgreSQL + pgvector（per-KB 部分索引 embedding_hnsw_idx_{knowledge_id}）
Vorherrschende Sprache
Python
Sterne
23.1k
Forks
3.2k
Ø Merge
41 Min.
Gemergte PRs (30 T.)
480

Entwicklungsumgebung

Erste Schritte

  1. Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
  3. Forken Sie das Repository und arbeiten Sie in einem Branch.
  4. Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus 1Panel-dev/MaxKB

Alle Issues in 1Panel-dev/MaxKB

Ähnliche Issues

Weitere Issues zu Python

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.