有必要使用 Oracle 向量数据库吗？
向量数据库最主要的特点是让传统的只能基于具体值/关键字的数据检索，进化到了可以直接基于语义的数据检索。这在 AI 时代至关重要！
回到标题问题：是否有必要使用 Oracle 向量数据库？
这实际还要取决于你的具体应用需求。
客观来讲，Oracle 23ai 及其向量数据库功能在企业级应用中有一定优势，特别是在与现有 Oracle 生态整合时。以下是几个考虑点：
✅ 适用 Oracle 向量数据库的场景：
已有 Oracle 生态：如果你的数据已经存储在 Oracle Database，直接使用 Oracle 的向量功能（如 AI Vector Search）可以减少系统复杂度，避免额外的数据 ETL 操作。
混合查询（向量 + 关系型数据）：Oracle 支持 向量搜索 + 传统 SQL 查询 的混合模式，适合 企业级 BI、数据分析、AI 赋能的业务应用。
高可用性 & 安全性：Oracle 具备企业级的 数据安全、事务处理、可扩展性，相比一些开源向量数据库更可靠。
Exadata / ExaCC 加持：如果你的数据库运行在 Exadata 或 ExaCC，Oracle 的向量查询性能更优。
后面笔者工作需要，将测试下 Oracle 数据库的 Vector 能力，也会不定期分享。
在此之前，肯定会有不太熟悉 Oracle 发展的小伙伴会困惑，怎么感觉 Oracle 是老牌的关系型数据库，咋啥时候成了向量数据库？
答案是，Oracle 是多模（Multi-model）数据库，主流模型都支持，早已不单是传统的关系型。
如果你去业界公认的 db-engines 查数据库排名，那么 Complete ranking 一直都是 Oracle 没疑问，但是在细分领域，Oracle 也 OK 吗？
从下图可以看到，DB 综合排名 Oracle 一直还是第一位：
那么继续查询下 Vector DBMS 的排名：
向量数据库排名：DB-Engines Ranking of Vector DBMS
咦？默认老大是 ES（Elasticsearch）？貌似没有看到 Oracle 的身影？别着急，这是因为默认未考虑到多模态，勾选上 include secondary database models，你会发现 ES 直接下滑到第五位，Oracle 又出现在了榜首：
其实 Oracle 早已是多模（Multi-model）数据库，除了最近 AI 时代很火的向量数据库之外，其他相对常见的比如文档数据库、图数据库、空间数据库，甚至不算常见的 RDF 全部都支持。
如果去细分领域默认查询，提到 Document stores 你可能首先想到的是 MongoDB；提到 Graph DBMS 你可能首先想到的是图数据库 Neo4j，提到 Spatial DBMS，你首先想到的是空间数据 PostGIS。但是你只要把这个 include secondary database models 勾选上，就会发现 Oracle 已经全部支持这些类型的 DB，并处于领先地位。
所以，如果是企业级应用，比如 AI 赋能业务、BI 分析、数据库增强搜索，且你本身就有用到 Oracle 数据库，站在纯技术角度考量，在 Oracle 基础上继续扩展更多的可能场景，是个比较省心省力的选择。
但这也要求企业中的 Oracle DBA 能够不断扩展自己的技能，拥抱新技术，勇于承担新时代下的挑战。
不可停留在固有的认知上，那个曾经连大对象（LOB）都不允许存到库中的宝贵经验，在这个 AI 新时代的背景下，恐怕早已经过时了。
此外，在 AI 时代下，我们不得不面临的一个惨痛现状是，传统意义上的纯运维管理 DBA，即便是资深级别，路也会越来越窄了。
但路在脚下，未来也还长，主动拥抱变化，允许一切发生，一起加油突破自己吧！共勉~
转载出处：https://www.cnblogs.com/jyzhao/p/18751798/shi-fou-you-bi-yao-shi-yong-oracle-xiang-liang-shu
行业拓展
分享一个面向研发人群使用的前后端分离的低代码软件——JNPF，适配国产化，支持主流数据库和操作系统。
提供五十几种高频预制组件，包括表格、图表、列表、容器、表单等，内置常用的后台管理系统使用场景和基本需求，配置了流程引擎、表单引擎、报表引擎、图表引擎、接口引擎、门户引擎、组织用户引擎等可视化功能引擎，超过数百种功能控件以及大量实用模板，使得在拖拉拽的简单操作下，也能完成开发。
对于工程师来说，灵活的使用高质量预制组件可以极大的节省时间，将更多精力花费在更有创造性和建设性的代码上。
摸个鱼，顺便发点有用的东西 2023-06-19 加入
互联网某厂人（重生版）
评论