数据库管理-第157期 Oracle Vector DB & AI-08(20240301)

数据库管理157期 2024-03-01

  • [数据库管理-第157期 Oracle Vector DB & AI-08(20240301)](#数据库管理-第157期 Oracle Vector DB & AI-08(20240301))
    • [1 创建示例向量](#1 创建示例向量)
    • [2 查找最近向量](#2 查找最近向量)
    • [3 基于向量簇组的最近向量查询](#3 基于向量簇组的最近向量查询)
    • 总结

数据库管理-第157期 Oracle Vector DB & AI-08(20240301)

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。

进入新的一个月,昨天可能是很多国产数据库开始较大规模使用遇到的第一个闰二月,听说有些国产数据库直接跳过了2月29日来到了3月1日,挺好玩的。

本期内容,模拟在一个二维平面上进行近似查询。

1 创建示例向量

按照下图内容,以X和Y轴创建对应的向量信息:

sql 复制代码
CREATE TABLE IF NOT EXISTS vt1
         (id   NUMBER NOT NULL,
          v    VECTOR(2, FLOAT32),
               PRIMARY KEY (id)
         );

DESC vt1;
sql 复制代码
INSERT INTO vt1 VALUES (1, '[3, 3]'),  (2, '[5, 3]'),  (3, '[7, 3]'),
                       (4, '[3, 5]'),  (5, '[5, 5]'),  (6, '[7, 5]'),
                       (7, '[3, 7]'),  (8, '[5, 7]'),  (9, '[7, 7]');

COMMIT;

SELECT * FROM vt1 ORDER BY id;

2 查找最近向量

1.以下图方式,查找q点(0,5)最近的3个向量点:

从图中实际情况来看最近的为2,1,3或者2,3,1。

sql 复制代码
SELECT id
FROM   vt1
ORDER  BY  vector_distance(vector('[5, 0]'), v)
FETCH FIRST 3 ROWS ONLY;

2.以下图方式,查找q点(3,0)最近的3个向量点:

从图中实际情况来看最近的为1,2,3。

sql 复制代码
SELECT id
FROM   vt1
ORDER  BY  vector_distance(vector('[3, 0]'), v)
FETCH FIRST 3 ROWS ONLY;

3.以下图方式,查找q点(3,9)最近的3个向量点:

从图中实际情况来看最近的为7,8,4。

sql 复制代码
SELECT id
FROM   vt1
ORDER  BY  vector_distance(vector('[3, 9]'), v)
FETCH FIRST 3 ROWS ONLY;

4.以下图方式,查找q点(3.1,6.9)最近的4个向量点:

从图中实际情况来看最近的为7,4,8,5或者7,8,4,5。

sql 复制代码
SELECT id
FROM   vt1
ORDER  BY vector_distance(vector('[3.1, 6.9]'), v)
FETCH FIRST 4 ROWS ONLY;

3 基于向量簇组的最近向量查询

目前,vector_distance的结果依赖于两个内容:

  • 对于向量簇来说,查询向量所在的位置,以特定向量或坐标为中心,比如(5,5)
  • 结果集有多少行

然而,向量数据通常由一组向量簇组成,并且数据往往不是均匀分布的。也可能存在零个或多个数据簇。因此,向量簇往往表示相似数据的组。例如:地址、汽车类型、人名、报告或书籍等。

1.下面的示例有5个向量簇。因此我们会在vt1表中添加其他4组向量簇。这里你会发现一个向量簇中有负值(或坐标)。

sql 复制代码
INSERT INTO vt1 VALUES (21, '[9, -1]'),
                       (22, '[10, -1]'),
                       (23, '[11, -1]'),
                       (24, '[9, -3]'),
                       (25, '[10, -4]'),
                       (26, '[12, -3]') ;
INSERT INTO vt1 VALUES (31, '[13, 6]'),
                       (32, '[14, 7]'),
                       (33, '[14, 4]'),
                       (34, '[16, 6]') ;
INSERT INTO vt1 VALUES (41, '[0, 7]'),
                       (42, '[1, 7]'),
                       (43, '[1, 6]'),
                       (44, '[0, 5]'),
                       (45, '[1, 5]') ;
INSERT INTO vt1 VALUES (51, '[5, 9]'),
                       (52, '[7, 9]'),
                       (53, '[6, 10]'),
                       (54, '[5, 11]'),
                       (55, '[7, 11]') ;

COMMIT ;

SELECT * FROM vt1;


2.以下图方式,查找q点(16,4)最近的3个向量点:

从图中实际情况来看,我们希望结果是3x。

sql 复制代码
SELECT id
FROM   vt1
ORDER  BY vector_distance(vector('[16, 4]'), v)
FETCH FIRST 3 ROWS ONLY;

3.以下图方式,查找q点(7,-5)最近的5个向量点:

从图中实际情况来看,我们希望结果是2x。

sql 复制代码
SELECT id
FROM   vt1
ORDER  BY vector_distance(vector('[7, -5]'), v)
FETCH FIRST 5 ROWS ONLY;

4.以下图方式,查找q点(6,10)最近的5个向量点:

从图中实际情况来看,我们希望结果是5x。

sql 复制代码
SELECT id
FROM   vt1
ORDER  BY vector_distance(vector('[6, 10]'), v)
FETCH FIRST 5 ROWS ONLY;

5.以下图方式,查找q点(6,8)最近的4个向量点:

从图中实际情况来看,我们希望结果是8,9,51,52。

sql 复制代码
SELECT id
FROM   vt1
ORDER  BY vector_distance(vector('[6, 8]'), v)
FETCH FIRST 4 ROWS ONLY;

6.以下图方式,查找q点(2.5,8.5)最近的4个向量点:

从图中实际情况来看,我们希望结果是x,4x,5x。

sql 复制代码
SELECT id
FROM   vt1
ORDER  BY vector_distance(vector('[2.5, 8.5]'), v)
FETCH FIRST 4 ROWS ONLY;

总结

本期通过多个实际案例演示了Oracle Vector DB中如何实现近似查询。

老规矩,知道写了些啥。

相关推荐
Se7en25816 分钟前
AI 乱写代码怎么破?使用 Context7 MCP Server 让 AI 写出靠谱代码!
人工智能
零零刷20 分钟前
德州仪器(TI)—TDA4VM芯片详解(1)—产品特性
人工智能·嵌入式硬件·深度学习·神经网络·自动驾驶·硬件架构·硬件工程
LG.YDX27 分钟前
MySQL:13.用户管理
数据库·mysql
用户277844910499328 分钟前
Python打造Excel记账模板,摸鱼时间也能轻松理财
人工智能·python
阿杜杜不是阿木木28 分钟前
03.使用spring-ai玩转MCP
java·人工智能·spring boot·spring·mcp·spring-ai
IT古董28 分钟前
【漫话机器学习系列】230.模型复杂度对训练和测试误差的影响(The Effect Of Model Complexity Training And Test)
人工智能
奕川30 分钟前
深入浅出:MCP 协议及应用
人工智能·后端
IT古董31 分钟前
【漫话机器学习系列】233.激活阈(Threshold Activation)
人工智能
极客智谷33 分钟前
MCP协议与智能体开发:构建动态协作AI系统的基石
人工智能
极客智谷33 分钟前
Spring AI应用系列——基于DeepSeek客户端的Chat应用
人工智能·后端