benchmark tools

[5000user5000]

根據 proposal 文件, 用來 evaluation 的腳本，數據可見 Discussion #7
一共更新三個檔案

1. comprehensive_bench.py: 用來執行 evaluation
2. BENCHMARK_GUIDE.md: evaluation 說明文件
3. plot_tradeoff.py: 繪製 Recall-QPS trade-off curves

[5000user5000]

測試項目

1. Recall@k： 測量在不同 k 值（預設為 1, 10, 100）下的召回率，評估搜尋的準確性。
2. QPS (Queries Per Second)： 測量系統每秒能處理的查詢數量，評估搜尋吞吐量。
3. 延遲 (Latency)： 測量單次查詢的延遲，並提供 p50 (中位數)、p95、p99 和平均值，評估搜尋響應時間和穩定性。
4. 索引建置時間 (Index Build Time)： 測量建立索引所需的時間。
5. 記憶體用量 (Memory Usage)： 測量索引佔用的記憶體大小，並計算每向量的記憶體用量。
6. Recall-QPS 權衡曲線： 透過測試一系列 nprobe 值，生成 Recall 和 QPS 之間的關係曲線，以分析準確性與速度的權衡。