9-Oracle 23 ai Vector Search 特性 知识准备

很多小伙伴是不是参加了免费认证课程（限时至2025/5/15）

Oracle AI Vector Search 1Z0-184-25考试，都顺利拿到certified了没。

各行各业的AI 大模型的到来，传统的数据库中的SQL还能不能打，结构化和非结构的话数据如何和AI交互，是否有一套SQL既可以兼容传统sql同时集成vector。

如何将企业中使用的数据保存成向量、是否有集成嵌入模型的引擎，同时给于RAG提供原料时，可以做到数据不离场、不离安全域，符合数据安全要求么。

在开始AI之前，先了解下基础概念，包括初高中几何、物理中的函数知识。

基本概念：

1. ​向量（Vector）​​：一种数据类型，用于表示嵌入（embedding）。在Oracle 23ai中，使用VECTOR数据类型存储。
2. ​向量嵌入（Vector Embedding）​​：将非结构化数据（如文本、图像）转换为向量表示的过程。
3. ​相似性搜索（Similarity Search）​​：通过计算向量之间的距离来查找相似的数据。支持精确搜索（Exact）和近似搜索（Approximate）。
4. ​向量索引（Vector Index）​​：加速相似性搜索的索引类型。包括：

• ​In-Memory Neighbor Graph (HNSW)​​：基于图的索引，适用于高精度搜索。
• ​Neighbor Partition (IVF)​​：基于分区的索引，适用于大规模数据。

1. ​混合向量索引（Hybrid Vector Index）​​：结合全文搜索（Oracle Text）和向量搜索的索引。
2. ​距离度量（Distance Metrics）​​：用于计算向量之间距离的函数，包括：

• 欧几里得距离（Euclidean）
• 余弦相似度（Cosine）
• 点积（Dot Product）
• 曼哈顿距离（Manhattan）
• 汉明距离（Hamming） - 用于二进制向量
• Jaccard距离 - 用于二进制向量

L1_DISTANCE（曼哈顿距离）

别名：城市街区距离、Taxicab距离

定义：两点在标准坐标系上各维度绝对差之和，模拟网格路径（如城市街道）的行走距离。

公式：d(x,y)=∑i=1n∣xi−yi∣

特点：对异常值敏感，计算高效（无平方运算）。

应用：棋盘游戏路径规划、稀疏高维数据（如文本分类）。

L2_DISTANCE（欧几里得距离）

别名：直线距离、欧氏距离定义：n维空间中两点间的直线最短距离，勾股定理的多维推广。

公式：d(x,y)=∑i=1n(xi−yi)2

几何意义：绿色线段为两点间最短路径。

特点：对数据分布均匀性要求高，方向信息敏感。

应用：物理空间测量、聚类分析（如K-Means）、图像相似性。

COSINE_DISTANCE（余弦距离）

别名：余弦相似度的补（1 - 余弦相似度）

定义：两向量夹角余弦值的反度量，关注方向差异而非长度。

公式：\text{cos_dist} = 1 - \frac{\mathbf{x} \cdot \mathbf{y}}{|\mathbf{x}| \cdot |\mathbf{y}|} = 1 - \cos \theta

几何意义：夹角θ越小，余弦相似度越大，距离越小。

特点：对幅度不敏感，适合文本、图像等高维稀疏数据。

应用：文档相似度检索、推荐系统（如用户兴趣方向匹配）。

INNER_PRODUCT（点积）

别名：数量积、标量积

定义：两向量对应分量乘积之和，结果为一标量。

公式：x⋅y=∑i=1nxiyi几何意义：x⋅y=∥x∥∥y∥cosθ，即模长积与夹角余弦的乘积。

物理意义：力F在位移s方向做的功 W=F⋅s。

应用：机器学习特征组合（如神经网络权重计算）、投影分析。

HAMMING_DISTANCE（汉明距离）

定义：等长字符串/二进制串中，对应位置字符不同的数量。

公式：dham(s1,s2)=∑i=1nI(s1[i]\=s2[i])比如：二进制串 10110 与 11010 的汉明距离 = 第2、4位不同 → 2。DNA序列 GAGC 与 GATC 的汉明距离 = 第3位不同 → 1。

特点：仅适用于等长序列，计算高效（位运算）。

应用：错误检测编码（如CRC）、密码学、基因序列比对。

JACCARD_DISTANCE（Jaccard距离）

别名：Jaccard相异度定义：1减去Jaccard相似系数，衡量集合差异度。

公式：djaccard(A,B)=1−∣A∪B∣∣A∩B∣

特点：忽略元素频次，仅关注存在性（适合布尔特征）。

应用：集合相似性（如文档去重）、购物车分析（剁手党的商品交集）。

关键函数：

1. 向量构造函数​：

• TO_VECTOR：将字符串或数值数组转换为向量。
• VECTOR：是TO_VECTOR的别名。

2. ​距离函数​：

• VECTOR_DISTANCE(vector1, vector2, metric)：计算两个向量之间的距离，支持多种度量标准。
• 简写函数：L1_DISTANCE（曼哈顿距离），L2_DISTANCE（欧几里得距离），COSINE_DISTANCE（余弦距离），INNER_PRODUCT（点积），HAMMING_DISTANCE（汉明距离），JACCARD_DISTANCE（Jaccard距离）。

3. ​向量生成函数​：

• VECTOR_EMBEDDING(model_name USING data AS data)：使用指定的嵌入模型将数据转换为向量。

4. ​分块函数​：

• VECTOR_CHUNKS：将文本分块。

5. ​向量属性函数​：

• VECTOR_NORM(vector)：计算向量的范数（模长）。
• VECTOR_DIMENSION_COUNT(vector)：返回向量的维度数。
• VECTOR_DIMS(vector)：同上。
• VECTOR_DIMENSION_FORMAT(vector)：返回向量维度的格式（如FLOAT32, BINARY等）。

6. 聚合函数​：

• AVG：计算向量的平均值（仅适用于浮点向量）。
• SUM：计算向量的和（仅适用于浮点向量）。

7. 混合搜索函数​：

• DBMS_HYBRID_VECTOR.SEARCH：执行混合搜索。

是不是分分钟回到了初高中几何时代，浮现“数学最美公式”之一的欧拉公式。