数据库管理158期 2024-03-04
- 数据库管理-第158期 oracle Vector DB & AI-09（20240304）
- 1 创建示例表
- 2 添加过滤条件的向量近似查询
- 示例1
- 示例2
- 示例3
- 示例4
- 示例5
- 示例6
- 示例7
- 总结
数据库管理-第158期 Oracle Vector DB & AI-09（20240304）
作者：胖头鱼的鱼缸（尹海文）
Oracle ACE Associate: Database（Oracle与MySQL）
国内某科技公司 DBA总监
10年数据库行业经验，现主要从事数据库服务工作
拥有OCM 11g/12c/19c、MySQL 8.0 OCP、Exadata、CDP等认证
墨天轮MVP、认证技术专家、年度墨力之星，ITPUB认证专家，OCM讲师
圈内拥有“总监”、“保安”、“国产数据库最大敌人”等称号，非著名社恐（社交恐怖分子）
公众号：胖头鱼的鱼缸；CSDN：胖头鱼的鱼缸（尹海文）；墨天轮：胖头鱼的鱼缸；ITPUB：yhw1809。
除授权转载并标明出处外，均为“非法”抄袭。
一个周末过去了，感觉也没休息好，现在困得很，人整体也不大舒服。
上一期，已经展示了使用vector_distance()函数，由小到大排序输出向量距离对应结果。与专用向量数据库只存储向量且只能针对向量记性运算不同，Oracle Vector DB还可以同传统关系型数据库一样，在向量相关的SQL中添加where子句，在相似性搜索上增加过滤选项。相似性搜索与关系过滤、表连接叠加使用是一个非常强大的功能，不仅丰富了向量数据的使用方式，也简化了向量数据的使用。
1 创建示例表
按照下图创建示例表VT2，这张表是通过上一期的VT1表来创建，但是为每个向量增加了形状、颜色、大小等其他属性：
CREATE TABLE vt2 AS SELECT * FROM vt1; ALTER TABLE vt2 ADD (vsize varchar2(16), shape varchar2(16), color varchar2(16) ); DESC vt2;
修改向量对应大小：
UPDATE vt2 SET vsize = 'Small' WHERE id IN (1, 4, 6, 8, 9, 21, 23, 26, 33, 44, 45, 52); UPDATE vt2 SET vsize = 'Medium' WHERE id IN (5, 22, 25, 32, 34, 42, 43, 53, 54, 55); UPDATE vt2 SET vsize = 'Large' WHERE id IN (2, 3, 7, 24, 31, 41, 51); COMMIT;
修改向量对应形状：
UPDATE vt2 SET shape = 'Square' WHERE id IN (1, 3, 6, 42, 43, 54); UPDATE vt2 SET shape = 'Triangle' WHERE id IN (2, 4, 7, 22, 31, 41, 44, 55); UPDATE vt2 SET shape = 'Oval' WHERE id IN (5, 8, 9, 21, 23, 24, 25, 26, 32, 33, 34, 45, 51, 52, 53); COMMIT;
修改向量对应颜色：
UPDATE vt2 SET color = 'Red' WHERE id IN (5, 8, 24, 26, 33, 34, 42, 44, 45, 53, 54, 55); UPDATE vt2 SET color = 'Green' WHERE id IN (1, 4, 6, 21, 31, 52); UPDATE vt2 SET color = 'Blue' WHERE id IN (2, 3, 7, 9, 22, 23, 25, 32, 41, 43, 51); COMMIT;
检查表数据：
SELECT id, vsize, shape, color, v FROM vt2 ORDER BY id;
按大小、颜色、形状来查看向量：
SELECT vsize, count(vsize) FROM vt2 GROUP BY vsize; SELECT color, COUNT(color) FROM vt2 GROUP BY color; SELECT shape, COUNT(shape) FROM vt2 GROUP BY shape;
2 添加过滤条件的向量近似查询
示例1
在上一期我们将查找与(16,3)最接近的三个向量。我们不关心实际距离，而是关心对象本身的ID。然而，在本次查询中，我们返回距离，以便将结果与下一个查询进行比较。
该查询的目的是从下图中检索以下Vectors。这里我们还限定了向量的ID范围（即指定向量簇）：
SELECT id, vsize, shape, color, to_number(vector_distance(vector('[16, 3]'), v)) distance FROM vt2 WHERE id > 30 AND id
示例2
还是上面那个向量点(16,3)，依然从对应向量簇中查找最近的3个向量，但是我们这次添加过滤条件为圆形，如下图：
SELECT id, vsize, shape, color, to_number(vector_distance(vector('[16, 3]'), v)) distance FROM vt2 WHERE id > 30 AND id
示例3
这次查找与向量点(6,8)最近的10个向量，我们先不考虑距离，仅考虑ID，如下图：
SELECT id, vsize, shape, color FROM vt2 ORDER BY vector_distance(vector('[6, 8]'), v) FETCH FIRST 10 ROWS ONLY;
示例4
还是向量点(6,8)，只不过我们过滤红色，如下图：
SELECT id, vsize, shape, color FROM vt2 WHERE color = 'Red' ORDER BY vector_distance(vector('[6, 8]'), v) FETCH FIRST 10 ROWS ONLY;
示例5
还是向量点(6,8)，在红色基础上添加椭圆形过滤条件，如下图：
注意，这里仅有8个红色的椭圆形，虽然SQL中要求输出前10，但是只有8个结果。
SELECT id, vsize, shape, color FROM vt2 WHERE color = 'Red' AND shape = 'Oval' ORDER BY vector_distance(vector('[6, 8]'), v) FETCH FIRST 10 ROWS ONLY;
示例6
还是向量点(6,8)，红色、椭圆形、小的过滤条件，如下图：
注意，这里仅有4个红色的小的椭圆形，虽然SQL中要求输出前10，但是只有4个结果。
SELECT id, vsize, shape, color FROM vt2 WHERE color = 'Red' AND shape = 'Oval' AND vsize = 'Small' ORDER BY vector_distance(vector('[6, 8]'), v) FETCH FIRST 10 ROWS ONLY;
示例7
还是向量点(6,8)，红色、椭圆形、小的过滤条件，现在再增加ID>10，如下图：
注意，这里ID大于10的仅有3个红色的小的椭圆形，虽然SQL中要求输出前10，但是只有3个结果。
SELECT id, vsize, shape, color FROM vt2 WHERE color = 'Red' AND shape = 'Oval' AND vsize = 'Small' AND id > 10 ORDER BY vector_distance(vector('[6, 8]'), v) FETCH FIRST 10 ROWS ONLY;
总结
本期简单演示了一下vector+where的SQL查询操作，除了常规where，还可以多表联查，例如按范式将大小、形状、颜色存放在其他表中，这些以后再做演示。
老规矩，知道写了些啥。
