14-Oracle 23ai Vector Search 向量索引和混合索引-实操

一、Oracle 23ai支持的2种主要的向量索引类型：

1.1 内存中的邻居图向量索引 (In-Memory Neighbor Graph Vector Index)

HNSW(Hierarchical Navigable Small World ：分层可导航小世界)索引 是 Oracle AI Vector Search 中唯一支持的内存邻居图向量索引类型。基于HNSW图算法，通过多层图结构加速搜索。

HNSW索引在23ai版本引入的新的内存结构：向量内存池（Vector Memory Pool）中创建；向量内存池（Vector Memory Pool）位于SGA中，Oracle通过 vector_memory_size参数控制这块内存的大小。Oracle 23 ai free目前的版本需要设置 vector_memory_size后，shutdown immediate ，startup

0. HNSW 索引原理详解

HNSW（Hierarchical Navigable Small World）是一种高效的高维向量近似最近邻搜索算法，其核心思想是通过构建多层图结构来加速相似性搜索。以下是其工作原理的深入解析：

​1. 基础概念：小世界网络​

• ​核心特性​：任意两个节点可通过少量边连接（类似社交网络中的"六度空间"理论）
• ​HNSW 创新点​：将小世界特性分层实现，形成可导航的层级结构

• 2. 多层图结构构建​

  HNSW 构建一个由多层组成的图（Layer 0 到 Layer L）：
  ​层级特性​：
  • ​高层​（Layer L）：节点稀少，长距离连接（快速导航）
  • ​底层​（Layer 0）：包含所有节点，密集连接（精确搜索）
  • ​节点进入规则​：随机分配层级（概率随层级升高指数下降）

3. 搜索流程（查询向量 Q）​​

​顶层导航​（粗粒度）：

• 从最高层随机节点开始
• 沿"长距离边"快速跳转到目标区域