背景：

• 创建了一个商品推荐系统，商品信息按对应的分类（ 100 个左右）生成不同维度的向量，并且按分类创建表（就是 100 个左右的表），保存商品的向量。
• 向量的索引采用hnsw，向量类型halfvec，m取 16 ，ef_construction为 100 ，距离计算L2 distance。
• 连接 PostgreSQL 的驱动采用asyncpg，即基于 Python 异步 IO 的驱动。
• PostSQL 和 pgvector 参数全部默认。

问题：

使用 48 个不同分类的向量，分别搜索对应分类的相似商品向量。异步 IO 同时发送 48 个查询向量的 SQL 时,查询很慢，约 700ms~1600ms ，而且 48 个查询几乎同时返回。

简单优化：

改为每次同时发送 4 个查询，约 200ms 完成 48 个查询。

疑问：

1. PostgreSQL 的并发查询能力应该没这么差，是不是参数未调优？
2. 还是 pgvector 的问题？其向量查询的并发处理能力不足？