Azure SQL 数据库为人工智能应用集成了矢量搜索功能

人工智能正在重塑整个行业，而向量是许多人工智能创新的核心。Azure SQL 数据库现在将这项技术直接集成到数据层中，使您能够更有效地构建人工智能解决方案。探索这些新的向量功能如何改变您的数据和人工智能方法。

要点

Azure SQL Database 引入了矢量函数，以支持人工智能驱动的应用程序。

使用这些函数可直接在数据库中存储和处理矢量。

它们简化了创建人工智能功能（如语义搜索系统）的过程。

使用 REST API 端点将 Azure SQL 数据库连接到 Azure OpenAI 和其他服务。

矢量函数现已推出早期采用者预览版。

了解 Azure SQL 数据库中的矢量函数

什么是矢量函数？

Azure SQL 数据库中的矢量函数为人工智能工作负载提供了新工具，可直接存储和操作矢量形式的数据。

矢量在人工智能中至关重要，因为它们以机器学习模型用来识别模式和关系的格式表示数据。这些数据通常以优化的二进制数据形式存储在数据库中。客户反馈强调，需要在 SQL 中使用本地向量处理功能，以加快人工智能的应用。这些功能可简化以下任务：

• 语义搜索：根据概念含义而非文字匹配查找信息。
• 推荐引擎：向用户推荐相关项目或内容。
• 异常检测：发现异常值或异常数据点。

Azure SQL 数据库内置的矢量操作无需外部矢量数据库或复杂的数据管道。这种集成可以加快开发速度并提高性能。

为什么矢量函数会改变人工智能的游戏规则

在 Azure SQL 数据库中添加矢量函数是将人工智能与数据管理相结合的重要一步。将矢量嵌入与结构化数据一起使用可带来多种好处：

• 简化架构：将数据和人工智能处理集中在一处，从而降低了复杂性。
• 提高性能：避免数据在系统间移动，从而减少延迟。
• 增强安全性：将敏感信息保存在 Azure SQL 数据库的受保护环境中。

这些改进对于旨在将人工智能集成到当前应用中而无需重建基础架构的企业尤为重要。直接在 SQL 中运行矢量计算可实现反应更快、适应性更强的人工智能解决方案。

矢量函数的实际应用

礼品推荐引擎

请看一个现实世界中的例子：构建礼品建议系统。首先，通过sp_invoke_external_rest_endpoint过程使用 Azure OpenAI 将产品描述转化为向量嵌入。

这些嵌入包涵了描述的语义内容。然后，将向量存储在 Azure SQL 数据库中。

当用户查找礼物时，将其查询转换为向量。使用距离函数（如余弦距离）找出向量与查询最相似的产品。这提供了一种实现人工智能的系统方法。

例如

SELECT TOP(50) id, product_name, [description], vector_distance('cosine', embeddings, @embedding) AS distanceFROM dbo.walmart_ecommerce_product_detailsWHERE category like '%Toys%'ORDER BY distance；

这种语义搜索技术通常与传统的关键字搜索相结合，以达到最佳效果。

实施基于矢量的礼品推荐系统的步骤

按照以下步骤创建矢量驱动的礼品推荐系统：

1. 设置 REST 端点：配置存储过程sp_invoke_external_rest_endpoint，以便与 OpenAI API 交互。调用 OpenAI 和处理描述的能力至关重要。
2. 创建矢量数据：模型将处理样本文本，如 "国王"、"王后 "或 "披萨"。
3. 将向量载入数据库：将向量数据导入数据库，以便查询。
4. 获取嵌入输出：使用dbo.get_embeddings将文本转换为嵌入并存储为向量。

declare @embedding varbinary(8000); EXEC dbo.get_embeddings @model = 'embeddings', @text = 'King', @embedding = @king output；

此过程将您的描述转换为适合人工智能处理的优化二进制格式。

用混合搜索增强 SQL 查询

为提高搜索准确性，可采用混合搜索策略。将向量搜索与标准 SQL 查询相结合，以获得最佳结果。

例如，利用沃尔玛产品目录这样的公共数据集。定义的参数包括

• ID
• 产品名称
• 描述
• 矢量距离

您还可以使用自然语言选择这些参数。

这种方法具有更大的灵活性，可在数据库查询中支持更广泛的搜索引擎优化关键字。

如何在 Azure SQL 数据库中使用矢量函数

创建和验证矢量

首先使用JSON_ARRAY_TO_VECTOR函数生成向量。该函数将 JSON 数组转换为二进制格式，优化了向量存储。

DECLARE @v varbinary(8000) = eap.JSON_ARRAY_TO_VECTOR('[1, 2, 3]');SELECT isVector(@v)；

然后，使用isVector函数验证矢量。

SELECT vect as is_vector, isVector(vect, 3) as is_vector_3, isVector(vect, 4) as is_vector_4, vector_to_JSON_array(vect) as vect_string, vector_dimensions(vect) as vect_dimensionsFROM (VALUES (eap.JSON_ARRAY_TO_VECTOR('[1, 2, 3]')) )T（vect）；

系统应确认矢量包含有效的二进制数据。

使用向量距离查找相似性

要测量两个向量之间的相似性，请使用向量距离（vector_distance）函数。这项新功能可以让您高效地搜索合适的礼物。

DECLARE @king varbinary(8000), @queen varbinary(8000), @pizza varbinary(8000);EXEC dbo.get_embeddings @model = 'embeddings', @text = 'King', @embedding = @king output;EXEC dbo.get_embeddings @model = 'embeddings', @text = 'Queen', @embedding = @queen output;EXEC dbo.get_embeddings @model = 'embeddings', @text = 'Pizza', @embedding = @pizza output;SELECT v1.name, v2.name, vector_distance('cosine', v1.embedding, v2.embedding) as distanceFROM #t AS v1CROSS JOIN #t AS v2WHERE v1.name = 'Queen'ORDER BY distance；

这种功能可以让人工智能识别数据库中描述和参数之间的联系。由于人工智能以数字方式解释信息，因此这些功能有助于将您的数据与人工智能的数字理解联系起来。

Azure SQL 数据库定价和可用性

了解成本影响

Azure SQL 数据库提供多个定价层级，以满足不同的要求和预算。成本一般取决于

• 计算资源：分配给实例的 vCores 和内存数量。
• 存储：消耗的数据量和备份存储量。
• 网络：传输到数据库和从数据库传输的数据。

使用矢量函数时，请考虑矢量操作所需的计算能力，尤其是大型数据集。优化查询和索引以控制费用。有关最新信息，请参阅 Azure SQL 数据库官方定价文档。

权衡矢量函数的利弊

优点

简化人工智能集成。

性能提升

更强的数据安全性

模型灵活性

缺点

初始学习期。

需要优化查询

内存消耗较大

核心功能

SQL 数据库：它是什么？

Microsoft SQL 数据库是微软公司创建的关系数据库管理系统（RDBMS）。它支持各种工作负载，包括企业 IT 环境中的事务处理、商业智能和分析。

Microsoft SQL Server 是三大数据库平台之一。Azure 提供多种 SQL Server 部署选择：

• Azure 虚拟机上的 SQL Server：提供对虚拟机的完全控制，用于托管应用程序。
• Azure SQL 托管实例：以托管服务的形式提供大多数 SQL 服务器功能，最大限度地减少管理任务。
• Azure SQL 数据库：完全托管的数据库服务，具有广泛的功能和可扩展性。

由于 SQL 数据库用于众多应用程序，这些矢量功能可使许多行业受益。

SQL 数据库的主要组件

数据库的主要功能包括

• 用于导入、分析和报告存储在 SQL 数据库之外的数据的工具。
• 新的 T-SQL 功能，可与 Azure Blob 存储和 HDFS 等云存储进行交互。
• 具有图形界面的管理和开发环境，用于访问服务功能。SQL Server Management Studio 经常被作为选择微软数据库解决方案的一个令人信服的理由。SSMS 提供了更完整的工具集。

探索带有矢量函数的 Azure SQL 数据库使用案例

电子商务产品推荐

通过分析用户活动和产品信息推荐相关产品。将用户搜索词与产品属性联系起来，推荐类似的产品。这可以促进销售并提高搜索引擎优化性能。

内容个性化

根据用户在媒体和娱乐方面的个人偏好定制内容。根据用户的历史数据和人工智能洞察力个性化搜索引擎优化。

欺诈检测系统

及时发现可疑金融交易。利用人工智能实时识别欺诈模式，以提高安全性和预防欺诈。

常见问题

如何访问私人预览版？

按照本文描述中的链接注册，即可获得矢量功能私人预览版的早期采用者访问权限。早期用户可以集成和测试新功能。

使用矢量函数需要特殊的 Azure SQL 数据库版本吗？

私人预览版文档中将说明详细要求。请查看文档了解数据库规格。

我可以在现有的 Azure SQL 数据库中使用矢量函数吗？

您可能需要更新或修改数据库设置才能使用矢量函数。更多配置详情将在文档中提供。

超过 8000 字节的矢量嵌入会发生什么情况？

虽然矢量函数本机支持多达 8000 字节的矢量，但某些应用程序可能需要更大的嵌入。在这种情况下，您可以将向量分配到多列或设计自定义存储解决方案。

相关问题

什么是嵌入？

在机器学习中，嵌入是高维向量映射的低维空间。例如，一个简单的嵌入可以用二维（x、y）坐标来表示美国的城市。目的是在嵌入空间的几何图形中保留原始向量之间的关系。现实世界的实现涉及复杂的数学。例如，要创建一个能将 10,000 个常用英语单词映射到 300 维空间的单词嵌入，就需要使用机器学习算法处理庞大的文本语料库（如维基百科或新闻档案）。这些算法可以识别出每个目标词附近经常出现的词。然后进行降维处理，将这些词向量投射到 300 维嵌入空间中。在这样的嵌入空间中，"king"（国王）和 "queen"（王后）等词的位置很近，而 "pizza"（比萨饼）则离得较远。因此，嵌入空间的排列反映了词语之间的语义关系。