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,由小到服务器托管网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'
服务器托管网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 40
ORDER BY vector_distance(vector('[16, 3]'), v)
FETCH FIRST 3 ROWS ONLY;
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 40
AND shape = 'Oval'
ORDER BY vector_distance(vector('[16, 3]'), v)
FETCH FIRST 3 ROWS ONLY;
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。
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net