曾经风光无限的 Oracle DBA 已经落伍了吗？

先讲一个残酷的事实，Oracle DBA，若仍停留在纯粹的运维方向，未来的路将会越走越窄，尤其是在国内的特殊环境下，可以说是前途渺茫，举步维艰。

既然如此，那Oracle DBA们应该如何破局呢？

Part1.回顾DBA历史
Part2.走进AI时代
Part3.如何破局重生？

Part1：回顾DBA历史

国内最早期从事Oracle DBA岗位的人，如今基本已经退休或接近退休状态，这些前辈们，除去混日子的不算，其中运气好的早已实现财务自由，运气差的也基本能达到中产水平，那一代人是充分享受到了属于那个时代的红利。

不过，真正的一名合格运维DBA所付出的辛苦绝对远高于IT行业各技术岗的平均水平，无论是在他们漫长技术积累的学习之路上，还是从无数个深夜中熬着心血去保障、值守、救火的身影中，都可以了解到他们的高回报并不是纯时代红利，也是实实在在的付出了太多代价换来的。

无奈时代变化太快，后面的故事就是，看到这行表面光鲜的从业者越来越多，各种水平参差不齐的培训机构泛滥成灾，导致供大于求，加之市场上同时出现很多专业做这方面服务的公司，同时Oracle数据库本身也变得越来越稳定，在各种因素综合影响之下，让Oracle DBA不再是传奇，最终红利彻底消失，已和其他普通岗位没啥区别，有时还会被同行戏谑曾经省吃俭用花大几万块考下来的OCM认证早已没了含金量。

所以，这么多年来苦心专研Oracle是都白学了？曾经风光无限的 Oracle DBA 已经落伍了吗？

Part2：走进AI时代

现如今，整个社会都开始走进了AI时代。不过别担心，Oracle DBA 传统运维方向有可能不再景气，但Oracle技术本身可并不落伍，而且一直都是引领技术前沿的。

这不，最近大火的AI，Oracle也是有全套解决方案与之匹配的。掌握了这些技能，不仅能让你瞬间领悟Oracle的Vector Search等新的技能，还能让自身紧跟AI相关技术前沿。

之前和一些从事Oracle DBA的朋友们闲聊，发现最难转变的是一些使用习惯。很多老的观念还是把Oracle作为纯粹的老牌关系型数据库，对其多模融合的相关技术置若罔闻，更别提什么AI相关技术。

所以导致有些小伙伴虽然早已听闻Oracle 23ai和AI的紧密结合，但是具体到落地究竟怎么用，实在是丈二和尚摸不着头脑。

Part3：如何破局重生？

纸上得来终觉浅，绝知此事要躬行。

如果没有特别的境遇，最好的起步指导材料依然来源于Oracle官方文档，关于AI，可以看下《Oracle AI Vector Search User's Guide》这本书。书中有一章节，就非常适合AI新手来快速体验到Oracle的AI到底能做些啥，它就是：

SQL Quick Start Using a Vector Embedding Model Uploaded into the Database
https://docs.oracle.com/en/database/oracle/oracle-database/23/vecse/sql-quick-start-using-vector-embedding-model-uploaded-database.html

该文章提供了一组实际可操作的命令，帮助我们快速了解最核心的Oracle AI VECTOR Search。现在就带大家一起体验下这个过程，一起轻松踏入AI的浪潮之中。

文章说我们需要准备三个类似于以下内容的文件：

1.Embedding Model
2.json-relational-duality-developers-guide.pdf
3.oracle-database-23ai-new-features-guide.pdf

其实就是一个Embedding模型，两个PDF文件用于测试。

而在这个刚开始的阶段，你完全不必折腾什么onnx的模型转换，也无需关注其是否支持中文，更不必花心思去挑选什么测试材料，甚至连具体要执行的命令都不需要修改太多，就先按照文档的示例一步步做，感受过之后在进阶阶段或具体项目中实践时，再去考虑所有细节项。

上面提到的每个文件都贴心的提供了对应下载地址，这都是官方文档中直接给出的安全地址，你可以直接wget下载，笔者已亲测均可正常下载：

其中下载下来的这个zip包，解压unzip all-MiniLM-L12-v2_augmented.zip后，会发现有一个README-ALL_MINILM_L12_V2-augmented.txt ，这个说明文件还非常详细的给出了整个onnx模型加载到Oracle库内的操作步骤，大多命令都可以稍加修改直接使用。

梳理关键命令，比如就按照我的测试环境修改如下：

SQL 复制代码

sqlplus / as sysdba;
alter session set container=ALFRED;

SQL> GRANT DB_DEVELOPER_ROLE, CREATE MINING MODEL TO TPCH;
SQL> CREATE OR REPLACE DIRECTORY DM_DUMP AS '/home/oracle';
SQL> GRANT READ ON DIRECTORY DM_DUMP TO TPCH;
SQL> GRANT WRITE ON DIRECTORY DM_DUMP TO TPCH;
SQL> exit

使用tpch测试用户导入ONNX的Embedding模型：

SQL 复制代码

--使用TPCH用户登录
sqlplus tpch/tpch@alfred

--删除模型（可选）
exec DBMS_VECTOR.DROP_ONNX_MODEL(model_name => 'ALL_MINILM_L12_V2', force => true);

--加载导入模型：
BEGIN
   DBMS_VECTOR.LOAD_ONNX_MODEL(
        directory => 'DM_DUMP',
                file_name => 'all_MiniLM_L12_v2.onnx',
        model_name => 'ALL_MINILM_L12_V2',
        metadata => JSON('{"function" : "embedding", "embeddingOutput" : "embedding", "input": {"input": ["DATA"]}}'));
END;
/

--查询导入的EMBEDDING模型：
select model_name, algorithm, mining_function from user_mining_models where  model_name='ALL_MINILM_L12_V2';
 
--测试EMBEDDING模型可用，可以正常返回向量化结果
SELECT VECTOR_EMBEDDING(ALL_MINILM_L12_V2 USING 'The quick brown fox jumped' as DATA) AS embedding;

到此，是不是没有任何难度？

我们就已经体验了Oracle库内Embedding Model的导入，以后你需要其他Embedding模型，也是同样方法导入，只是有些需要格式转换下才可以，目前模型大小限制是不可超过1G。

接下来创建测试表，插入测试数据：

注意这里测试表只有两个字段，一个是正常的ID列，另一个是BLOB数据类型的data列。

而提到BLOB（Binary Large Object），不得不说，传统运维DBA对这个是敏感的，认为这种二进制大对象非结构化的数据一定不要存在数据库中，但时代在变化，如果你希望数据完全由数据库管理而非文件系统，BLOB反而是不二之选。

SQL 复制代码

--如果存在此测试表就先删除
--drop table documentation_tab purge;

--创建测试表documentation_tab
create table documentation_tab (id number, data blob);

--插入测试数据
insert into documentation_tab values(1, to_blob(bfilename('DM_DUMP', 'json-relational-duality-developers-guide.pdf')));
insert into documentation_tab values(2, to_blob(bfilename('DM_DUMP', 'oracle-database-23ai-new-features-guide.pdf')));
commit;
select dbms_lob.getlength(data) from documentation_tab;

我们看到，这里将之前的两个PDF文件分别插入到表中的两行，通过查询BLOB的数据长度也可以了解占用空间的大小（单位是字节）。

接下来，创建一个关系表来存储非结构化的chunk以及相关向量。

注意，这里这张表的设计，有文档ID，有Chunk ID, 有chunk原文数据，有chunk向量化后的数据。

chunk简单理解就相当于是将这里的每个PDF文件分解成小段。至于chunk的好处大家感兴趣可以自行搜索了解下，总之，这个做法算是最佳实践。

SQL 复制代码

--drop table doc_chunks purge;
create table doc_chunks (doc_id number, chunk_id number, chunk_data varchar2(4000), chunk_embedding vector);
 
--一条SQL语句就可以完成操作：
--The INSERT statement reads each PDF file from DOCUMENTATION_TAB, transforms each PDF file into text, chunks each resulting text, then finally generates corresponding vector embeddings on each chunk that is created. All that is done in one single INSERT SELECT statement.
--注意修改model名字为ALL_MINILM_L12_V2
insert into doc_chunks
select dt.id doc_id, et.embed_id chunk_id, et.embed_data chunk_data, to_vector(et.embed_vector) chunk_embedding
from
    documentation_tab dt,
    dbms_vector_chain.utl_to_embeddings(
       dbms_vector_chain.utl_to_chunks(dbms_vector_chain.utl_to_text(dt.data), json('{"normalize":"all"}')),
       json('{"provider":"database", "model":"ALL_MINILM_L12_V2"}')) t,
    JSON_TABLE(t.column_value, '$[*]' COLUMNS (embed_id NUMBER PATH '$.embed_id', embed_data VARCHAR2(4000) PATH '$.embed_data', embed_vector CLOB PATH '$.embed_vector')) et;
 
commit;

这里使用一条SQL就实现了从 documentation_tab 表中读取文档数据 (dt.data)、将文档转换为文本、将文本分割成多个块 (chunks)、为每个文本块生成嵌入向量 (embeddings)、将结果插入到 doc_chunks 表中的整个流程，最终成功插入了1377条数据：

然后，生成用于similarity查询检索的query_vector：

SQL 复制代码

ACCEPT text_input CHAR PROMPT 'Enter text: '
--different methods of backup and recovery

VARIABLE text_variable VARCHAR2(1000)
VARIABLE query_vector VECTOR
BEGIN
  :text_variable := '&text_input';
  SELECT vector_embedding(ALL_MINILM_L12_V2 using :text_variable as data) into :query_vector;
END;
/
 
PRINT query_vector

使用下面SQL进行相似性检索，在你的书中，找到与备份恢复最相关的前4个chunk：

SQL 复制代码

SELECT doc_id, chunk_id, chunk_data
FROM doc_chunks
ORDER BY vector_distance(chunk_embedding , :query_vector, COSINE)
FETCH FIRST 4 ROWS ONLY;

--如果你想找指定哪本书，还可以通过where条件来指定：
SELECT doc_id, chunk_id, chunk_data
FROM doc_chunks
WHERE doc_id=1
ORDER BY vector_distance(chunk_embedding , :query_vector, COSINE)
FETCH FIRST 4 ROWS ONLY;

使用EXPLAIN PLAN 命令确定优化器是如何执行的，目前没有索引，肯定是全表扫：

SQL 复制代码

EXPLAIN PLAN FOR
SELECT doc_id, chunk_id, chunk_data
FROM doc_chunks
ORDER BY vector_distance(chunk_embedding , :query_vector, COSINE)
FETCH FIRST 4 ROWS ONLY;
 
select plan_table_output from table(dbms_xplan.display('plan_table',null,'all'));

运行多向量相似性检索，找前两本最相关的书中，前4个最相关的块：

SQL 复制代码

SELECT doc_id, chunk_id, chunk_data
FROM doc_chunks
ORDER BY vector_distance(chunk_embedding , :query_vector, COSINE)
FETCH FIRST 2 PARTITIONS BY doc_id, 4 ROWS ONLY;

创建向量索引：

SQL 复制代码

--创建HNSW类型的向量索引（提前需要确认设置：vector_memory_size）
--alter system set vector_memory_size=1G scope=spfile;
create vector index docs_hnsw_idx on doc_chunks(chunk_embedding)
organization inmemory neighbor graph
distance COSINE
with target accuracy 95;

--如果23ai版本过低，可能还没有INDEX_SUBTYPE字段
SELECT INDEX_NAME, INDEX_TYPE, INDEX_SUBTYPE
FROM USER_INDEXES;

--如果OK，正常显示如下：
INDEX_NAME             INDEX_TYPE                     INDEX_SUBTYPE
-------------          ---------------- ---------------------------
DOCS_HNSW_IDX        VECTOR           INMEMORY_NEIGHBOR_GRAPH_HNSW

--使用JSON_SERIALIZE查询：
SELECT JSON_SERIALIZE(IDX_PARAMS returning varchar2 PRETTY)
FROM VECSYS.VECTOR$INDEX where IDX_NAME = 'DOCS_HNSW_IDX';

SQL 复制代码

--确定在 vector memory area中的内存分配：
select CON_ID, POOL, ALLOC_BYTES/1024/1024 as ALLOC_BYTES_MB, 
USED_BYTES/1024/1024 as USED_BYTES_MB
from V$VECTOR_MEMORY_POOL order by 1,2;

建好索引之后，就可以进行近似的相似性检索（approximate similarity search），在你的书中找到前四条最相关的chunk：

SQL 复制代码

SELECT doc_id, chunk_id, chunk_data
FROM doc_chunks
ORDER BY vector_distance(chunk_embedding , :query_vector, COSINE)
FETCH APPROX FIRST 4 ROWS ONLY WITH TARGET ACCURACY 80;

--同样，可以where指定第一个文档，从第一个文档中找到前四条最相关的chunk：
SELECT doc_id, chunk_id, chunk_data
FROM doc_chunks
WHERE doc_id=1
ORDER BY vector_distance(chunk_embedding , :query_vector, COSINE)
FETCH APPROX FIRST 4 ROWS ONLY WITH TARGET ACCURACY 80;

这次还是用EXPLAIN PLAN 确认优化器如何解析此查询：

复制代码

EXPLAIN PLAN FOR
SELECT doc_id, chunk_id, chunk_data
FROM doc_chunks
ORDER BY vector_distance(chunk_embedding , :query_vector, COSINE)
FETCH APPROX FIRST 4 ROWS ONLY WITH TARGET ACCURACY 80;
 
select plan_table_output from table(dbms_xplan.display('plan_table',null,'all'));

确认近似相似检索的向量索引性能(Determine your vector index performance for your approximate similarity searches.)：

SQL 复制代码

--注意修改OWNER_NAME
SET SERVEROUTPUT ON
DECLARE 
    report VARCHAR2(128);
BEGIN 
    report := dbms_vector.index_accuracy_query(
        OWNER_NAME => 'TPCH', 
        INDEX_NAME => 'DOCS_HNSW_IDX',
        qv => :query_vector,
        top_K => 10, 
        target_accuracy => 90 );
    dbms_output.put_line(report); 
END; 
/

现在我们创建一个新表用于混合检索：

SQL 复制代码

--
--DROP TABLE documentation_tab2 PURGE;

CREATE TABLE documentation_tab2 (id NUMBER, file_name VARCHAR2(200));

INSERT INTO documentation_tab2 VALUES(1, 'json-relational-duality-developers-guide.pdf');

INSERT INTO documentation_tab2 VALUES(2, 'oracle-database-23ai-new-features-guide.pdf');

COMMIT;

要创建混合向量索引，需要指定文件所在的数据存储。在这里，我们使用存储PDF文件的DM_DUMP目录：

sql 复制代码

BEGIN
  ctx_ddl.create_preference('DS', 'DIRECTORY_DATASTORE');
  ctx_ddl.set_attribute('DS', 'DIRECTORY', 'DM_DUMP');
END;
/


--这里23ai较低版本可能报错，建议使用23.7或以上，创建时间较长耐心等待：
CREATE HYBRID VECTOR INDEX my_hybrid_vector_idx ON documentation_tab2(file_name)
  PARAMETERS ('
                 DATASTORE      DS
                 FILTER         CTXSYS.AUTO_FILTER
                 MODEL          ALL_MINILM_L12_V2
                 VECTOR_IDXTYPE ivf
');

创建混合向量索引后，检查创建的以下内部表：

SQL 复制代码

SELECT COUNT(*) FROM DR$my_hybrid_vector_idx$VR;
SELECT COUNT(*) FROM my_hybrid_vector_idx$VECTORS;
DESC my_hybrid_vector_idx$VECTORS
SELECT COUNT(*) FROM DR$MY_HYBRID_VECTOR_IDX$I;

可以通过指定以下参数来运行第一次混合搜索：

复制代码

The hybrid vector index name
The search scorer you want to use (this scoring function is used after merging results from keyword search and similarity search)
The fusion function to use to merge the results from both searches
The search text you want for your similarity search
The search mode to use to produce the vector search results
The aggregation function to use to calculate the vector score for each document identified by your similarity search
The score weight for your vector score
The CONTAINS string for your keyword search
The score weight for your keyword search
The returned max values you want to see
The maximum number of documents and chunks you want to see in the result

使用文档给出的例子，官方文档中缺少了一个冒号，下面已修正，可以直接复制使用：

SQL 复制代码

SET LONG 10000

SELECT json_serialize(
    DBMS_HYBRID_VECTOR.SEARCH(
      JSON(
           '{
              "hybrid_index_name" : "my_hybrid_vector_idx",
              "search_scorer"     : "rsf",
              "search_fusion"     : "UNION",
              "vector":
                        {
                          "search_text"   : "How to insert data in json format to a table?",
                          "search_mode"   : "DOCUMENT",
                          "aggregator"    : "MAX",
                          "score_weight"  : 1,
                        },
              "text":
                        {
                         "contains"      : "data AND json",
                         "score_weight"  : 1,
                        },
              "return":
                        {
                          "values"        : [ "rowid", "score", "vector_score", "text_score" ],
                          "topN"          : 10
                        }
            }'
      )
   ) RETURNING CLOB pretty);

结果：

SQL 复制代码

SELECT file_name FROM documentation_tab2 WHERE rowid='AAAayGAAAAAO1ajAAB';

混合向量索引维护在后台自动完成，最后测试下在基表中插入新行，并运行与上一步相同的混合搜索查询：

SQL 复制代码

INSERT INTO documentation_tab2 VALUES(3, 'json-relational-duality-developers-guide.pdf');

COMMIT;

这个文件我还没有下载，运行同样查询结果已经多了一组数据：

到这里就告一段落了，我们一起快速体验了AI Vector Search，当然很多细节还值得推敲，可以留给后面精进实践的阶段，笔者有时间也会持续跟读者分享更多AI相关技术实践。

最后祝Oracle DBA们在这个变幻莫测的大环境下，都能成功转型，拥抱AI新时代，涅槃重生。