1：首先是安装上的坑：

第一个就是faiss根本没有windows的版本，只支持mac和linux。

再然后，如果你要是用的contos6版本的虚拟机，那就要更新glibc这个库（不难，但很容易出问题），因为centos6的这个库最大支持版本是2.12，而faiss运行的时候需要2.14的版本支持。而centos7就没这问题了。这是虚拟机版本的选择。

后面就是安装，如果没有很好的linux下编译安装其他软件的经验，可以先安装一下anaconda然后用conda命令安装faiss。不过在安装anaconda时要注意，要安装anaconda3，2好像安装不上去。安装好anaconda3后要更新conda命令和mkl库，然后再安装faiss。这样基本就能安装了。

2：再就是使用的时候的坑：

faiss本来是开发给图像用的，所以它的输入被限定成了ndarray类型。而我们一般的推荐问题的输入是个dataframe。且推荐问题一般想返回的是最近邻的几个物品的id。这个时候我们首先把id列作为索引：

 df = df.set_index('id')

 而且我们每个id对应多个列，但是faiss中一个id对应一行数据，所以要对df中的数据进行合并（这里的数据是已经经过编码后的数据）。然后faiss中只有一部分索引类型支持自定义添加id，其他有很多都不支持，都是自动生成索引。如果你想返回值是你自定义的id，就要选择好index类型，不然就要做一个index到id的dict，在返回index后再查dict，取出id。

 dimensions = 75
INDEX_KEY = "IDMap,Flat"
findex = faiss.index_factory(dimensions, INDEX_KEY)

for i in index:
    a = []
    for j in col:
        a += result.loc[i,j]
    b = np.array(a)
    b = b.astype("float32")
    i = np.array([i])
    findex.add_with_ids(b.reshape(1,75),i)

 然后这其中还有坑，首先是输入的数据跟id要行数相等，然后所有数据只能是float32，不能是float64，不然会报错。

最后search的时候也要注意向量的shape，一定不能错（所有vector都默认是列向量，要转为行向量）。