Бөлісу құралы:

VECTOR_DISTANCE (Transact-SQL)

Применимо к: Sql Server 2025 (17.x) База данныхSQL Azure Управляемого экземпляраSQL Azure в Microsoft Fabric

Функция VECTOR_DISTANCE вычисляет расстояние между двумя векторами с помощью указанной метрики расстояния. Расстояние вектора всегда точно и не использует векторный индекс, даже если он доступен. Чтобы использовать векторный индекс и таким образом выполнить приблизительный поиск векторов, необходимо использовать функцию VECTOR_SEARCH . Дополнительные сведения о том, как работает индексирование векторов и поиск векторов, а также различия между точным и приблизительным поиском, см. векторные индексы и векторные индексы в ядре СУБД SQL.

Note

VECTOR_DISTANCEдоступен в Управляемом экземпляре SQL Azure с политикой обновлениядаты sql Server 2025 или Always-up-to-date.

Syntax

Соглашения о синтаксисе Transact-SQL

VECTOR_DISTANCE ( distance_metric , vector1 , vector2 )

Arguments

distance_metric

Строка с именем метрики расстояния, используемой для вычисления расстояния между двумя заданными векторами. Поддерживаются следующие метрики расстояния:

  • cosine - Косинус расстояние
  • euclidean - Евклидеан расстояние
  • dot - (Отрицательное) Dot product

vector1

Выражение, которое оценивает тип векторных данных.

vector2

Выражение, которое оценивает тип векторных данных.

Метрики расстояния

Metric Description Range Examples
cosine Косинус (угловое) расстояние [0, 2] 0: идентичные векторы
2: противоположные векторы
euclidean Евклидеан расстояние [0, +∞] 0: идентичные векторы
dot Точка на основе продукта указание расстояния,
полученное путем вычисления отрицательного продукта dot		 [-∞, +∞] Меньшие числа указывают на более похожие векторы

Возвращаемое значение

Функция возвращает скалярное значение с плавающей запятой , представляющее расстояние между двумя векторами с помощью указанной метрики расстояния.

Ошибка возвращается, если distance_metric не является допустимой метрикой и если предоставленные векторы не являются типом векторов.

Examples

Сведения о базе данных, используемой в примере, можно найти на сайте GitHub: скачайте и импортируйте статью Википедии с векторными внедрениями.

В примерах предполагается наличие таблицы wikipedia_articles с именем столбца title_vector типа vector , в который хранятся встраивания заголовков статей Википедии. title_vector Предполагается, что внедрение создается с помощью модели внедрения, например text-embedding-ada-002 или text-embedding-3-small, которая возвращает векторы с 1536 измерениями.

Дополнительные примеры, включая комплексные решения, см. в репозитории GitHub для векторного поиска базы данных SQL Azure.

А. Создание вектора из массива JSON

В следующем примере создается вектор с тремя измерениями из строки с массивом JSON.

DECLARE @v1 AS VECTOR(2) = '[1,1]';
DECLARE @v2 AS VECTOR(2) = '[-1,-1]';

SELECT VECTOR_DISTANCE('euclidean', @v1, @v2) AS euclidean,
       VECTOR_DISTANCE('cosine', @v1, @v2) AS cosine,
       VECTOR_DISTANCE('dot', @v1, @v2) AS negative_dot_product;

В. Возврат 10 аналогичных статей на основе названий

В следующем примере возвращаются самые похожие статьи из 10 самых похожих статей для данной статьи на основе расстояния между их векторами заголовка.

DECLARE @v AS VECTOR(1536);

SELECT @v = title_vector
FROM [dbo].[wikipedia_articles]
WHERE title = 'Alan Turing';

SELECT TOP (10) id,
                title,
                VECTOR_DISTANCE('cosine', @v, title_vector) AS distance
FROM [dbo].[wikipedia_articles]
ORDER BY distance;

С. Возвращать аналогичные статьи на основе определенного векторного расстояния

В следующем примере возвращаются все аналогичные статьи для данной статьи, основанные на расстоянии косинуса между векторами заголовков, выбирая только заголовки с расстоянием менее 0,3.

DECLARE @v AS VECTOR(1536);

SELECT @v = title_vector
FROM [dbo].[wikipedia_articles]
WHERE title = 'Alan Turing';

SELECT id,
       title,
       VECTOR_DISTANCE('cosine', @v, title_vector) AS distance
FROM [dbo].[wikipedia_articles]
WHERE VECTOR_DISTANCE('cosine', @v, title_vector) < 0.3
ORDER BY distance;

Связанный контент

  • Last updated on