Skip to content

Latest commit

 

History

History
177 lines (123 loc) · 6.33 KB

quickstart-via-sql.md

File metadata and controls

177 lines (123 loc) · 6.33 KB
title summary aliases
通过 SQL 快速上手 TiDB + AI
学习如何仅使用 SQL 语句快速上手 TiDB 向量搜索，为你的生成式 AI 应用提供支持。
/zh/tidb/stable/vector-search-get-started-using-sql/
/zh/tidb/dev/vector-search-get-started-using-sql/
/zh/tidbcloud/vector-search-get-started-using-sql/

通过 SQL 快速上手 TiDB + AI

TiDB 扩展了 MySQL 语法以支持向量搜索，并引入了新的向量数据类型以及若干向量函数。

本文档演示了如何仅使用 SQL 语句快速上手 TiDB 向量搜索。你将学习如何使用 MySQL 命令行客户端完成以下操作：

  • 连接到你的 TiDB 集群。
  • 创建向量表。
  • 存储向量嵌入。
  • 执行向量搜索查询。

注意：

  • 向量搜索功能目前为 beta 版本，可能会在未提前通知的情况下发生变更。如果你发现了 bug，可以在 GitHub 上提交 issue。
  • 向量搜索功能适用于 TiDB 自托管、TiDB Cloud Starter、TiDB Cloud Essential 和 TiDB Cloud Dedicated。对于 TiDB 自托管和 TiDB Cloud Dedicated，TiDB 版本需为 v8.4.0 或更高（推荐 v8.5.0 或更高）。

前置条件

要完成本文档中的步骤，你需要：

如果你还没有 TiDB 集群，可以按如下方式创建：

快速上手

步骤 1. 连接到 TiDB 集群

根据你选择的 TiDB 部署方式，连接到你的 TiDB 集群。

  1. 进入 Clusters 页面，然后点击目标集群名称进入其概览页面。

  2. 点击右上角的 Connect，弹出连接对话框。

  3. 在连接对话框中，从 Connect With 下拉列表中选择 MySQL CLI，并保持 Connection Type 的默认设置为 Public。

  4. 如果你还未设置密码，点击 Generate Password 生成一个随机密码。

  5. 复制连接命令并粘贴到你的终端中。以下是 macOS 的示例：

    mysql -u '<prefix>.root' -h '<host>' -P 4000 -D 'test' --ssl-mode=VERIFY_IDENTITY --ssl-ca=/etc/ssl/cert.pem -p'<password>'

当你自托管的 TiDB 集群启动后，在终端中执行集群连接命令。

以下是 macOS 的示例连接命令：

mysql --comments --host 127.0.0.1 --port 4000 -u root

步骤 2. 创建向量表

在创建表时，你可以通过指定 VECTOR 数据类型，将某一列定义为向量列。

例如，要创建一个包含三维 VECTOR 列的 embedded_documents 表，可在 MySQL CLI 中执行如下 SQL 语句：

USE test;
CREATE TABLE embedded_documents (
    id        INT       PRIMARY KEY,
    -- Column to store the original content of the document.
    document  TEXT,
    -- Column to store the vector representation of the document.
    embedding VECTOR(3)
);

预期输出如下：

Query OK, 0 rows affected (0.27 sec)

步骤 3. 向表中插入向量嵌入

向 embedded_documents 表中插入三条带有向量嵌入的文档：

INSERT INTO embedded_documents
VALUES
    (1, 'dog', '[1,2,1]'),
    (2, 'fish', '[1,2,4]'),
    (3, 'tree', '[1,0,0]');

预期输出如下：

Query OK, 3 rows affected (0.15 sec)
Records: 3  Duplicates: 0  Warnings: 0

注意

本示例简化了向量嵌入的维度，仅使用三维向量进行演示。

在实际应用中，嵌入模型通常会生成数百甚至数千维的向量嵌入。

步骤 4. 查询向量表

为验证文档是否已正确插入，可查询 embedded_documents 表：

SELECT * FROM embedded_documents;

预期输出如下：

+----+----------+-----------+
| id | document | embedding |
+----+----------+-----------+
|  1 | dog      | [1,2,1]   |
|  2 | fish     | [1,2,4]   |
|  3 | tree     | [1,0,0]   |
+----+----------+-----------+
3 rows in set (0.15 sec)

步骤 5. 执行向量搜索查询

与全文搜索类似，用户在使用向量搜索时会向应用提供搜索词。

本例中，搜索词为 “a swimming animal”，其对应的向量嵌入假定为 [1,2,3]。在实际应用中，你需要使用嵌入模型将用户的搜索词转换为向量嵌入。

执行如下 SQL 语句，TiDB 会通过计算并排序表中向量嵌入与 [1,2,3] 的余弦距离（vec_cosine_distance），找出距离最近的三条文档。

SELECT id, document, vec_cosine_distance(embedding, '[1,2,3]') AS distance
FROM embedded_documents
ORDER BY distance
LIMIT 3;

预期输出如下：

+----+----------+---------------------+
| id | document | distance            |
+----+----------+---------------------+
|  2 | fish     | 0.00853986601633272 |
|  1 | dog      | 0.12712843905603044 |
|  3 | tree     |  0.7327387580875756 |
+----+----------+---------------------+
3 rows in set (0.15 sec)

搜索结果中的三条数据按照与查询向量的距离升序排列：距离越小，document 与搜索向量的相关性越高。

因此，根据输出，最有可能的“swimming animal”是 fish，其次可能是会游泳的 dog。

另请参阅