向量数据类型

概述

在人工智能领域，向量是一种重要的数据类型，用于表示数据集中的特征或者样本。向量可以用于许多机器学习和深度学习算法中，如推荐系统、自然语言处理和图像识别。引入向量类型后，GreptimeDB 可以更有效地支持这些 AI 应用，提供强大的向量存储和计算能力。

基本介绍

在 GreptimeDB 中，向量表示为固定维度的 Float32（32位浮点数）数组。创建向量类型列时，必须指定向量的维度，并且维度在定义后不能更改。

定义向量类型列

在 SQL 中，可以通过以下语法来定义包含向量类型的表。需要注意的是，维度 <dim> 必须是一个正整数，用于定义向量的长度。

CREATE TABLE <table_name> (
  ...
  <vec_col> VECTOR(<dim>)
);

例如，定义一个具有维度 3 的向量类型列的表：

CREATE TABLE vecs (
  ts TIMESTAMP TIME INDEX,
  vec_col VECTOR(3)
);

向量写入

在 GreptimeDB 中，你可以通过多种方式将向量数据写入数据库。最简单的方法是使用字符串形式，并通过隐式转换将其存储为向量。字符串需要用方括号 [] 包围。以下是使用隐式转换的 SQL 示例：

INSERT INTO <table> (<vec_col>) VALUES
('[<float32>, <float32>, ...]'),
('[<float32>, <float32>, ...]'),
...
('[<float32>, <float32>, ...]');

例如，插入 3 个三维向量：

INSERT INTO vecs (ts, vec_col) VALUES
('2024-11-18 00:00:01', '[1.0, 2.0, 3.0]'),
('2024-11-18 00:00:02', '[4.0, 5.0, 6.0]'),
('2024-11-18 00:00:03', '[7.0, 8.0, 9.0]');

如果你希望更明确地控制数据转换，可以使用 parse_vec 函数来显式地解析字符串为向量：

INSERT INTO vecs (ts, vec_col) VALUES
('2024-11-18 00:00:01', parse_vec('[1.0, 2.0, 3.0]')),
('2024-11-18 00:00:02', parse_vec('[4.0, 5.0, 6.0]')),
('2024-11-18 00:00:03', parse_vec('[7.0, 8.0, 9.0]'));

向量计算

GreptimeDB 支持多种向量函数，用于计算向量之间的相似度，包括 vec_l2sq_distance、vec_cos_distance 和 vec_dot_product。这些函数在 AI 应用中用于搜索最接近的内容。

可以使用以下 SQL 格式执行向量计算：

SELECT <distance_function>(<vec_col>, <target_vec>) FROM <table>;

例如，若要查找与给定向量 [5.0, 5.0, 5.0] 具有最小平方欧几里得距离的向量，并显示它们之间的距离，可以使用如下查询：

SELECT vec_to_string(vec_col), vec_l2sq_distance(vec_col, '[5.0, 5.0, 5.0]') AS distance 
FROM vecs 
ORDER BY distance;

执行此查询后，您将得到类似以下的结果：

+-----------------------------+----------+
| vec_to_string(vecs.vec_col) | distance |
+-----------------------------+----------+
| [4,5,6]                     |        2 |
| [1,2,3]                     |       29 |
| [7,8,9]                     |       29 |
+-----------------------------+----------+
3 rows in set (0.01 sec)

通过这种方式，GreptimeDB 可以帮助你快速识别和查找相似的数据向量，为 AI 应用提供强大的支持。

更多关于向量计算函数的信息，请参阅向量函数参考文档。