Valores vectoriales

¿Por qué son importantes los datos vectoriales?

Muchas aplicaciones de IA que emplean modelos de aprendizaje automático y técnicas de aprendizaje profundo generan vectores en forma de incrustaciones vectoriales de alta dimensión. Un vector de alta dimensión describe cantidades de objetos distintos. Estas aplicaciones utilizan técnicas de búsqueda de similitudes para identificar vectores con similitudes dentro de un conjunto de datos para su uso en un vector de referencia. La similitud suele medirse como una función de distancia entre dos vectores, como la distancia euclídea o la similitud coseno.

Muchas empresas están adoptando tecnologías de IA y GenAI y buscan una solución rentable, segura y simplificada para el almacenamiento de vectores. Para satisfacer estas necesidades, una aplicación debe disponer de capacidades eficientes de búsqueda de similitudes en un conjunto de incrustaciones vectoriales de alta dimensión. Normalmente, el número de dimensiones necesarias para estas aplicaciones oscila entre cientos y miles. El número de vectores almacenados en las bases de datos de estas aplicaciones suele ser muy grande, ya que los vectores se utilizan para representar pequeñas porciones de cada objeto. Estas aplicaciones necesitan ejecutar un gran número de consultas de búsqueda de similitudes para que una sola petición del usuario produzca una respuesta. El tiempo de respuesta previsto para este tipo de consultas oscila entre fracciones de segundo y milisegundos. Las incrustaciones vectoriales suelen mantener metadatos que pueden incluirse en las consultas de búsqueda de similitud.

¿Por qué elegir Db2 para almacenar y trabajar con datos vectoriales?

Las capacidades de consulta de Db2 son incomparables, y la adición de la búsqueda de similitud vectorial mejora estas capacidades.

Db2 ha desarrollado durante muchos años una funcionalidad líder en el sector en áreas como la escalabilidad, la seguridad, la auditabilidad, el rendimiento y la supervisión. La mayoría de las soluciones específicas para vectores no pueden ofrecer eso.

Para ver ejemplos de aplicaciones prácticas del uso de Db2 para gestionar datos vectoriales, consulte Casos prácticos.

El tipo de datos VECTOR

Funciones vectoriales y sus usos

Operaciones UPDATE e INSERT con vectores

La columna VECTOR almacena los vectores en formato binario. Db2 utiliza la forma de cadena del vector cuando interactúa con las aplicaciones.

Por ejemplo, la nueva función VECTOR convierte una representación de cadena de un vector en su forma binaria. El siguiente ejemplo muestra la sintaxis del comando para actualizar un valor de vector existente utilizando una variable de host y la forma de cadena de un vector:

C++
EXEC SQL BEGIN DECLARE SECTION;
  // Generated by db2dclgn
  sqlint32 id;

  struct
  {
    short length;
    char  data[50];
  } f32_3;
EXEC SQL END DECLARE SECTION;

id = 1;
sprintf(f32_3, "[0.123, -0.456, 0.789]");

EXEC SQL UPDATE VECTOR_TB SET F32_3 = VECTOR(:f32_3, 3, FLOAT32) WHERE ID = :id;

Operaciones de EXPORTACIÓN, IMPORTACIÓN y CARGA con vectores

Limitaciones de los vectores

Además:

• La replicación no admite una tabla con una columna VECTOR.
• Los vectores no pueden compararse.
• LOAD y INGEST no admiten vectores.
• db2dart no admite el volcado de columnas VECTOR con la opción /DDEL.
• Las operaciones de copia de seguridad y restauración lógicas no admiten el tipo VECTOR .
• ALTOBJ no admite tablas con una columna VECTOR .
• No se puede modificar una columna existente para convertirla en un VECTOR.
• Una columna VECTOR existente no puede modificarse a un tipo de datos diferente, ni a un tipo de coordenada diferente.
• Una dimensión de columna VECTOR existente no puede modificarse.
• El único valor DEFAULT permitido es NULL, por lo que no se puede añadir una columna vectorial NOT NULL a una tabla existente.
• No se admite una expresión VECTOR en la lista de selección de una tabla de consulta materializada REFRESCAR INMEDIATA.
• Dado que no existe el concepto de mayor-que o menor-que cuando se trabaja con vectores, una columna VECTOR, o una expresión con un tipo de dato resultado VECTOR, no puede utilizarse de las siguientes maneras:
  • Como clave primaria.
  • Como clave externa.
  • Como clave única.
  • Como clave CREATE INDEX.
  • Como clave de ordenación ORDER BY.
  • Como clave de distribución DPF.
  • Como clave de partición de rango.
  • Como una llave MDC.
  • Como clave del ECA.
  • Como expresión GROUP BY.
  • En una condición de unión distinta de IS (NOT) NULL.
  • Como expresión SELECT DISTINCT.
  • Como expresión COUNT DISTINCT.
  • En un operador de conjunto distinto de UNION ALL.

Casos de uso