Spanner Omni 中的向量搜尋是內建的高效能功能，可對高維度向量資料執行語意搜尋和相似度比對。Spanner Omni 直接在交易資料庫中儲存及建立向量嵌入索引，因此不需要另外使用向量資料庫，也不需要複雜的擷取、轉換和載入 (ETL) 管道。
這份文件中的主題適用於 Spanner Omni，與適用於 Spanner 的主題相同。
向量搜尋的運作方式
Vector Search 可將資料表示為數值向量 (嵌入)，藉此找出語意相似的項目。Spanner Omni 支援兩種主要搜尋方法：
K 近鄰 (KNN)：計算查詢與資料集中每個向量之間的距離，執行精確搜尋。這種方法可提供最高召回率，但處理大型資料集時，運算費用可能相當高昂。
近似最鄰近項目 (ANN)：使用向量索引，在大型資料集中快速尋找相符項目。雖然準確度 (召回率) 會稍微降低，但速度和擴充性會有所提升。
向量搜尋與其他功能搭配使用時，效果特別顯著：
| 組合 | 效益 |
|---|---|
| 使用 SQL 篩選器進行向量搜尋 | 有效結合向量搜尋與篩選器 (例如「尋找類別為『鞋子』且價格低於 100 的類似圖片」)。 |
| 向量搜尋 + 全文搜尋 | 使用相互排序融合 (RRF) 結合語意相似度和關鍵字精確度，提高搜尋關聯性。 |
| 向量 + 圖形 | 使用向量搜尋在屬性圖中尋找相關的進入點 (節點)，然後遍歷複雜的關係。 |
詳情請參閱 Spanner 說明文件中的「Spanner 向量搜尋總覽」。
執行 K 近鄰搜尋
Spanner Omni 支援使用內建距離函式進行 K 近鄰 (KNN) 搜尋。您可以提供向量嵌入做為輸入 參數，找出 N 維度空間中最鄰近的向量。
可用的距離函式如下：
COSINE_DISTANCE()：測量兩個向量間角度的餘弦值EUCLIDEAN_DISTANCE()：測量兩個向量之間最短的直線距離DOT_PRODUCT()：計算角度的餘弦值，並乘以向量大小的乘積 (適用於正規化資料)
詳情請參閱 Spanner 說明文件中的「執行向量相似度搜尋，找出 K 近鄰」。
選擇最佳向量距離函式
選取適當的距離函式取決於資料和用於產生嵌入內容的模型。
| 函式 | 說明 | 與提高相似度的關係 |
|---|---|---|
| 點積 | 計算角度的餘弦，並乘以對應向量大小的乘積。 | 增加 |
| 餘弦距離 | 測量兩個向量之間的餘弦角 (1 - 餘弦相似度)。 | 減少 |
| 歐幾里得距離 | 測量兩個向量之間的直線距離。 | 減少 |
如果嵌入內容已正規化 (大小 = 1.0)，通常會有效率地選擇 DOT_PRODUCT()。如果是未經過正規化的資料，請嘗試使用 COSINE_DISTANCE() 或 EUCLIDEAN_DISTANCE()，找出最適合您用途的結果。
詳情請參閱 Spanner 說明文件中的「選擇向量距離函式」。
近似最鄰近 (ANN)
ANN 搜尋功能適用於非常龐大的資料集，因為精確的 KNN 搜尋會變得太慢或太昂貴。這項功能會使用向量索引，以較小的喚回率代價，提供快速結果。
如果沒有專屬的運算工作站，Spanner Omni 中的 ANN 搜尋最多支援 100 萬個向量的資料集，且向量長度最多為 128 個維度。如果向量的維度較多，支援的向量數量就會成比例減少。部署 worker 來建構向量索引時，Spanner Omni 支援較大的表格。詳情請參閱「建立及管理向量索引」。
使用向量索引執行 ANN 搜尋
如要執行 ANN 搜尋，請使用近似距離函式，例如 APPROX_COSINE_DISTANCE()、APPROX_EUCLIDEAN_DISTANCE() 或 APPROX_DOT_PRODUCT()。這些函式需要：
嵌入資料欄的現有向量索引。
使用概略距離函式的
ORDER BY子句。指定結果數量的
LIMIT子句。
詳情請參閱 Spanner 說明文件中的「尋找近似最鄰近 (ANN) 項目並查詢向量嵌入」。
建立及管理向量索引
建立向量索引時，請指定嵌入欄的 vector_length，並使用 STORING 子句納入其他資料欄，加快篩選速度。
以下範例說明如何建立向量索引：
CREATE VECTOR INDEX INDEX_NAME
ON TABLE_NAME(EMBEDDING_COLUMN)
OPTIONS (distance_type = 'DISTANCE_TYPE', tree_depth = 2, num_leaves = 1000);
詳情請參閱 Spanner 說明文件中的「建立及管理向量索引」。
在超過近似最鄰近項目 (ANN) 限制的大型資料表上建立向量索引時，需要專屬的運算工作站，才能將處理作業從 Spanner Omni 伺服器卸載。詳情請參閱「部署及管理工作人員」。
建立向量索引時使用取樣
對於大型資料集 (例如數千萬列以上的資料表)，您可以指定取樣百分比，縮短向量索引建立時間。在 CREATE VECTOR INDEX 陳述式中使用 clustering_sampling_percentage 選項，在建構初始索引樹狀結構時，對資料集子集進行取樣。
一般而言，每個葉節點至少應有 50 個取樣資料列。舉例來說，如果資料集有 1,000 萬列和 10,000 個葉節點，5% 的取樣率 (clustering_sampling_percentage = 5) 會取樣 50 萬列，或每個葉節點 50 列，如下例所示：
CREATE VECTOR INDEX VectorIndex
ON BaseTable(Embedding)
WHERE Embedding IS NOT NULL
OPTIONS (
tree_depth = 3,
num_leaves = 10000,
num_branches = 100,
leaf_scatter_factor = 32,
distance_type = 'COSINE',
min_branch_splits = 10,
min_leaf_splits = 10,
clustering_sampling_percentage = 5
);
與未取樣的完整資料集建立索引相比，取樣會增加查詢延遲時間，並提高相同目標召回率的每筆查詢 CPU 使用率。提高取樣百分比會增加建立索引的時間，但可縮短查詢延遲時間，並降低每次查詢的 CPU 成本。根據可用於建立索引的運算資源，選擇可兼顧索引建立時間和查詢效能的取樣百分比。
向量索引最佳做法
如要維持高搜尋效能和召回率，請採取下列做法：
調整索引選項：根據資料大小和效能需求調整
num_leaves和num_leaves_to_search。定期重建：如果向量分布隨時間大幅變動，請重建索引。
有效使用篩選功能：將經常篩選的資料欄儲存在索引中，提升搜尋效率。
詳情請參閱 Spanner 說明文件中的「向量索引最佳做法」。