Oracle向量数据类型及数据加载 oracle中数据类型

Oracle 23ai 引入了原生向量数据类型 Vector，Oracle 多模融合数据库从此正式拥有的向量数据库这种新的模态。

--email table
CREATE TABLE emails(
    email_id NUMBER PRIMARY KEY,
    email VARCHAR2(150) NOT NULL,
    embedding VECTOR(*,FLOAT32)
);

定义表时指定 VECTOR 数据类型，参数是 VECTOR(维度，数字类型），维度和数字类型均可不指定；不指定时维度会根据插入的数据自动计算出来，数字类型则通常默认为 FLOAT32。数字类型最好预先指定，与Embedding模型的输入数字类型一致，避免可能的类型推导错误。

向表中插入数据跟平时的SQL insert 语句并没什么区别，比如：

insert into emails values (1, 'M31', 'abc@company.com', '[0,1,1,0,0]');
commit;

向量相似度检索的核心方法是 VECTOR_DISTANCE，比如：

SELECT email
FROM emails
ORDER BY VECTOR_DISTANCE( embedding, to_vector('[0,3,3,0,0]'), COSINE )
FETCH FIRST 3 ROWS ONLY;

向量数据可以从别的数据库导出，然后再导入Oracle数据库。导出的向量数据可以是文本CSV格式，也可以是更高效的二进制向量格式；其它格式也可以转换为二进制向量格式。

SQL*Loader 是非常高效的数据导入工具，支持直接数据块路径加载方式(Direct path)。这里以导入文本CSV为例，将向量数据导入到Oracle数据库中：

sqlldr parfile=email.par

--email table
CREATE TABLE emails(
    email_id NUMBER PRIMARY KEY,
    email VARCHAR2(150) NOT NULL,
    embedding VECTOR(*,FLOAT32)
);

-- email.dat
1:john.doe@example.com:[0.816517174243927, 0.9929907321929932,...]
2:jane.doe@example.com:[0.816517174243927, 0.9929907321929932,...]
3:peter.doe@example.com:[0.816517174243927, 0.9929907321929932, ...]

-- email.ctl
load data into table emails
insert
fields terminated by ":"
trailing nullcols
(
email_id,
email,
embedding char(32767) NULLIF EMBEDDING=BLANKS
)

--email.par
userid=user0/user0@<数据库地址>:1521/ai23pdb.cn.osc.oracle.com
control=email.ctl
log=email.log
bad=email.bad
data=email.dat
direct=true

更多详细资料以及用二进制方式导入，可以参考文档：https://docs.oracle.com/en/database/oracle/oracle-database/23/vecse/load-binary-vector-data-using-sqlloader-example.html