跳到主要内容

Oracle

Oracle 嵌入存储集成了 Oracle Database 的 AI Vector Search 功能。

Maven 依赖​

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-oracle</artifactId>
    <version>1.13.0-beta23</version>

</dependency>

API 参考​

  • OracleEmbeddingStore

示例​

使用方式​

可通过配置 builder 创建此存储的实例。builder 需要提供 DataSource 和嵌入表。 两个向量之间的距离使用余弦相似度计算， 该方法测量两个向量之间夹角的余弦值。

建议配置连接池的 DataSource，如 Universal Connection Pool 或 Hikari，以避免重复创建数据库连接带来的延迟。

如果数据库中已存在嵌入表，请提供表名：

EmbeddingStore embeddingStore = OracleEmbeddingStore.builder()
   .dataSource(myDataSource)
   .embeddingTable("my_embedding_table")
   .build();

如果表不存在，可通过向 builder 传入 CreateOption 来创建：

EmbeddingStore embeddingStore = OracleEmbeddingStore.builder()
   .dataSource(myDataSource)
   .embeddingTable("my_embedding_table", CreateOption.CREATE_IF_NOT_EXISTS)
   .build();

默认情况下，嵌入表包含以下列：

名称类型描述
idVARCHAR(36)主键，存储嵌入存储生成的 UUID 字符串
embeddingVECTOR(*, FLOAT32)存储嵌入向量
textCLOB存储文本段
metadataJSON存储元数据

如果已有表的列名与预定义列名不匹配，或希望使用不同的列名，可使用 EmbeddingTable builder 进行配置：

OracleEmbeddingStore embeddingStore =
OracleEmbeddingStore.builder()
    .dataSource(myDataSource)
    .embeddingTable(EmbeddingTable.builder()
            .createOption(CREATE_OR_REPLACE) // 若表已存在则使用 NONE
            .name("my_embedding_table")
            .idColumn("id_column_name")
            .embeddingColumn("embedding_column_name")
            .textColumn("text_column_name")
            .metadataColumn("metadata_column_name")
            .build())
    .build();

builder 还支持通过提供 Index 类实例，在 EmbeddingTable 的嵌入列和元数据列上创建索引。 有两个 builder 可用于创建 Index 类实例：IVFIndexBuilder 和 JSONIndexBuilder。

IVFIndexBuilder 可在 EmbeddingTable 的嵌入列上配置 IVF（Inverted File Flat） 索引：

OracleEmbeddingStore embeddingStore =
    OracleEmbeddingStore.builder()
        .dataSource(myDataSource)
        .embeddingTable(EmbeddingTable.builder()
            .createOption(CreateOption.CREATE_OR_REPLACE) // 若表已存在则使用 NONE
            .name("my_embedding_table")
            .idColumn("id_column_name")
            .embeddingColumn("embedding_column_name")
            .textColumn("text_column_name")
            .metadataColumn("metadata_column_name")
            .build())
        .index(Index.ivfIndexBuilder().createOption(CreateOption.CREATE_OR_REPLACE).build())
        .build();

JSONIndexBuilder 可在 EmbeddingTable 元数据列的键上配置基于函数的索引：

OracleEmbeddingStore.builder()
    .dataSource(myDataSource)
    .embeddingTable(EmbeddingTable.builder()
        .createOption(CreateOption.CREATE_OR_REPLACE) // 若表已存在则使用 NONE
        .name("my_embedding_table")
        .idColumn("id_column_name")
        .embeddingColumn("embedding_column_name")
        .textColumn("text_column_name")
        .metadataColumn("metadata_column_name")
        .build())
    .index(Index.jsonIndexBuilder()
        .createOption(CreateOption.CREATE_OR_REPLACE)
        .key("name", String.class, JSONIndexBuilder.Order.ASC)
        .key("year", Integer.class, JSONIndexBuilder.Order.DESC)
        .build())
    .build();

更多关于 Oracle AI Vector Search 的信息，请参阅文档。