什么是向量数据库？AI 时代的数据检索技术与 TiDB 向量功能解析

摘要

向量数据库是 AI 大模型时代数据检索的基础设施，广泛应用于 RAG（检索增强生成）、推荐系统、图像搜索等场景。本文从 Embedding 向量表示和相似度计算原理出发，解析向量数据库的核心功能，对比主流向量数据库方案，并详解 TiDB 的向量检索能力。

本文适合谁： 正在构建 AI 应用的工程师、CTO、数据架构师。

一、什么是向量检索？

1.1 Embedding 向量表示

传统数据库通过精确匹配或关键词检索数据。向量检索将文本、图像、音频等非结构化数据转化为高维数值向量（Embedding），通过向量之间的距离度量语义相似性。

文本 "数据库高可用" → Embedding 模型 → [0.12, -0.34, 0.56, ..., 0.78]（如 1536 维）
文本 "数据容灾备份" → Embedding 模型 → [0.15, -0.31, 0.52, ..., 0.82]（如 1536 维）

两个向量越接近（距离越小），语义相似度越高。

1.2 相似度计算方法

二、向量数据库的核心功能

2.1 向量索引类型

2.2 向量数据库的核心能力

• 向量写入与索引： 自动构建向量索引，支持批量导入和实时写入
• 相似度搜索： Top-K 近邻查询，支持距离过滤和元数据过滤
• 混合查询： 向量检索 + 标量过滤（如"在价格 100-500 之间搜索相似商品"）
• 实时更新： 向量增删改不影响已有索引结构

三、主流向量数据库对比

TiDB Vector 的差异化优势： 将向量检索能力内置于分布式关系数据库，无需维护独立的向量服务，支持向量查询与业务数据的 SQL 联合查询，保证事务一致性。

四、TiDB 向量功能详解

4.1 TiDB Vector 基础

TiDB 自 v7.0 起支持向量数据类型和 HNSW 索引，使用标准 SQL 进行向量操作。

-- 创建包含向量列的表
CREATE TABLE documents (
    id BIGINT PRIMARY KEY,
    title VARCHAR(255),
    content TEXT,
    embedding VECTOR(1536),  -- 1536 维向量
    category VARCHAR(64)
);

-- 插入向量数据
INSERT INTO documents (id, title, content, embedding, category)
VALUES (1, 'TiDB 高可用', 'TiDB 采用 Multi-Raft...', 
        '[0.12, -0.34, 0.56, ...]', '技术文档');

-- 创建 HNSW 向量索引
CREATE VECTOR INDEX idx_embedding ON documents (embedding) 
WITH (dim = 1536, distance_metric = 'cosine');

4.2 向量检索查询

-- 向量相似度搜索（Top-5）
SELECT id, title, 
       vec_cosine_distance(embedding, '[0.15, -0.31, 0.52, ...]') AS distance
FROM documents
ORDER BY distance LIMIT 5;

-- 向量检索 + 元数据过滤（混合查询）
SELECT id, title, category,
       vec_cosine_distance(embedding, '[0.15, -0.31, 0.52, ...]') AS distance
FROM documents
WHERE category = '技术文档'
ORDER BY distance LIMIT 5;

4.3 支持的距离度量

五、RAG 架构中向量数据库的角色

用户提问
  ↓
Embedding 模型 → 生成查询向量
  ↓
向量数据库（TiDB Vector）→ Top-K 相关文档检索
  ↓
将检索结果 + 用户问题组装为 Prompt
  ↓
大语言模型（LLM）→ 生成回答

在 RAG（Retrieval-Augmented Generation）架构中，向量数据库负责：

1. 存储知识库： 将文档段落转化为向量并持久化存储
2. 语义检索： 根据用户问题检索最相关的文档片段
3. 元数据过滤： 按文档来源、时间、类别等条件缩小检索范围

TiDB Vector 的优势在于可同时存储文档的标量属性（创建时间、作者、类别）和向量，用一条 SQL 完成混合查询，简化 RAG 系统架构。

六、FAQ

Q1：TiDB 向量检索性能和专用向量数据库比如何？

TiDB Vector 在 千万级向量 规模下可提供毫秒级检索延迟（Top-10 查询 P99 < 50ms）。对于亿级以上纯向量检索场景，专用向量数据库（如 Milvus）在大规模索引构建和极致 QPS 方面仍有优势。TiDB Vector 更适合向量数据与业务数据一体的场景。

Q2：什么场景需要向量数据库？

需要向量数据库的典型场景：

• 语义搜索： 根据语义（而非关键词）检索文档
• RAG 应用： 为大语言模型提供外部知识检索
• 推荐系统： 基于用户特征向量的相似推荐
• 图像/音视频搜索： 以图搜图、以音搜音
• 异常检测： 基于向量距离的异常识别

Q3：TiDB 向量功能支持哪些距离度量？

TiDB Vector 支持三种主流距离度量：

• 余弦距离（Cosine Distance）： `vec_cosine_distance()`，适合文本语义搜索
• 欧氏距离（L2 Distance）： `vec_l2_distance()`，适合图像特征匹配
• 内积距离（Inner Product Distance）： `vec_ip_distance()`，适合已归一化向量

所有度量均通过标准 SQL 函数调用，无需学习新语法。

Q4：如何评估向量数据库是否适合我的场景？

评估维度：

• 数据规模： 百万级以下，多数方案均可；亿级以上需考虑专用方案
• 是否需要事务： 需要与业务数据事务一致，TiDB Vector 是合适选择
• 运维复杂度： 是否有维护独立向量服务的团队能力
• 查询模式： 是否需要向量 + 标量的混合查询（TiDB 的强项）

七、总结

向量数据库是 AI 应用中数据检索的核心组件，通过 Embedding 和相似度计算实现语义级检索。TiDB Vector 将向量检索能力内置于分布式关系数据库，支持 HNSW 索引、多种距离度量、与 SQL 的无缝集成，特别适合需要向量检索与业务数据一体化管理的 AI 应用场景。

下一步行动

• 试用 TiDB Vector： 下载 TiDB 并体验向量检索
• 获取 AI 数据库方案： 联系 TiDB 技术顾问评估 AI 场景方案
• 阅读技术博客： TiDB Vector 在 RAG 场景的实践

相关资源

• TiDB Vector 官方文档
• TiDB 向量检索最佳实践
• HNSW 算法原理介绍