数据库管理-第152期 Oracle Vector DB & AI-04（20240220）
作者：胖头鱼的鱼缸（尹海文） Oracle ACE Associate: Database（Oracle与MySQL） 网思科技 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，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。
由于上一篇的一些“误操作”，导致公众号发文删了，当天重发没有办法触发群 发效果，所以可能有些人会发现没看过03。
1 常用的向量检索方法
聚类
K-Means 和 Faiss
图搜索
Hierarchical Navigable Small Worlds (HNSW)
哈希
局部敏感哈希（Locality Sensitive Hashing）LSH
量化
Product Quantization (PQ)：有损压缩
2 Oracle Vector DB中的索引
在Oracle Vector DB中，可以在Vector数据类型列上创建vector index来提升向量检索的性能：
索引（默认）
create vector index vector_idx on vector_table (data_vector)organization [inmemory neighbor graph | neighbor partition]
距离计算：欧几里德 向量索引的选择取决于organization子句:
- In-Memory Neighbor Graph organization：HNSW
- Neighbor Partition organization：IVF
索引（高 级）
可以指定向量索引类型参数、距离函数、精度等:
create vector index vector_idx on vector_table (data_vector) organization neighbor partition parameters (num_centroids 1024);
3 EMBEDDINGS
在Oracle Vector DB除直接通过外部导入向量外，也内建支持多种向量生产方式：
SQL EMBEDDINGS 函数
原生支持生成向量数据：
select id, image from cat_images order by VECTOR_DISTANCE(img_vec, EMBEDDING(resnet_50 USING :input_img)) fetch first 2 rows only;
OONX
Open Neural Network eXchange embedding 模型：
DECLARE
model_source BLOB := NULL;BEGIN
model_source :=
DBMS_CLOUD.get_object
( credential_name => 'OBJ_STORE_CRED',
object_uri => 'https://objectstorage…bucketname/o/resnet50bundle.onnx’);
DBMS_DATA_MINING.import_onnx_model
( model_name => "resnet50",
model_data => model_source,
metadata => JSON('{ function : "embedding" }')
);
END;
总结
本期简单讲解了一下，Oracle Vector索引以及内建向量EMBEDDING能力。 老规矩，知道写了些啥。
