向量函数
本节提供 TiDB Cloud Lake 中向量函数的参考信息。这些函数支持全面的向量操作，包括距离计算、相似度度量以及向量分析，适用于机器学习应用、向量搜索和 AI 驱动的分析。
距离函数
| 函数 | 描述 | 示例 |
|---|---|---|
| COSINE_DISTANCE | 计算向量之间的余弦距离（范围：0-1） | COSINE_DISTANCE([1,2,3]::VECTOR(3), [4,5,6]::VECTOR(3)) |
| L1_DISTANCE | 计算向量之间的曼哈顿（L1）距离 | L1_DISTANCE([1,2,3]::VECTOR(3), [4,5,6]::VECTOR(3)) |
| L2_DISTANCE | 计算欧几里得（直线）距离 | L2_DISTANCE([1,2,3]::VECTOR(3), [4,5,6]::VECTOR(3)) |
| INNER_PRODUCT | 计算两个向量的内积（点积） | INNER_PRODUCT([1,2,3]::VECTOR(3), [4,5,6]::VECTOR(3)) |
向量分析函数
| 函数 | 描述 | 示例 |
|---|---|---|
| VECTOR_NORM | 计算向量的 L2 范数（模长） | VECTOR_NORM([1,2,3]::VECTOR(3)) |
| VECTOR_DIMS | 返回向量的维度数 | VECTOR_DIMS([1,2,3]::VECTOR(3)) |
距离函数对比
| 函数 | 描述 | 范围 | 最适用场景 | 用例 |
|---|---|---|---|---|
| COSINE_DISTANCE | 向量之间的余弦距离 | [0, 1] | 当方向比模长更重要时 | • 文档相似度 • 语义搜索 • 推荐系统 • 文本分析 |
| L1_DISTANCE | 向量之间的曼哈顿（L1）距离 | [0, ∞) | 对离群值更稳健 | • 特征比较 • 离群点检测 • 基于网格的路径查找 • 聚类算法 |
| L2_DISTANCE | 欧几里得（直线）距离 | [0, ∞) | 当模长和绝对差异都很重要时 | • 图像相似度 • 地理数据 • 异常检测 • 基于特征的聚类 |
| INNER_PRODUCT | 两个向量的点积 | (-∞, ∞) | 当模长和方向都很重要时 | • 神经网络 • 机器学习 • 物理计算 • 向量投影 |
向量分析函数对比
| 函数 | 描述 | 范围 | 最适用场景 | 用例 |
|---|---|---|---|---|
| VECTOR_NORM | 向量的 L2 范数（模长） | [0, ∞) | 向量归一化和模长计算 | • 向量归一化 • 特征缩放 • 模长计算 • 物理应用 |
| VECTOR_DIMS | 向量维度数量 | [1, 4096] | 向量校验和处理 | • 数据校验 • 动态处理 • 调试 • 兼容性检查 |