通过向量数据库实现数据持久化 (ArkTS)

场景介绍

向量数据库是一种支持存储、管理和检索向量数据的数据库，也支持标量的关系型数据处理。数据类型”floatvector”用来存储数据向量化的结果，从而实现对这些数据的快速检索和相似性搜索‌。
从API version 18开始，支持通过向量数据库实现数据持久化。

基本概念

• 结果集：指用户查询之后的结果集合，可以对数据进行访问。结果集提供了灵活的数据访问方式，可以更方便地拿到用户想要的数据。
• floatvector：该数据类型表示向量数据，例如[1.0, 3.0, 2.4, 5.1, 6.2, 11.7]。

约束限制

• 系统默认日志方式是WAL（Write Ahead Log）模式，系统默认落盘方式是FULL模式。

• 数据库中默认有4个读连接和1个写连接，线程获取到空闲读连接时，即可进行读取操作。当没有空闲读连接时，会创建新的读连接。

• 为保证数据的准确性，数据库同一时间只能支持一个写操作，并发的写操作会串行执行。

• 当应用被卸载完成后，设备上的相关数据库文件及临时文件会被自动清除。

• ArkTS侧支持的基本数据类型：number、string、二进制类型数据、boolean；特殊数据类型：ValueType。

• 为保证插入并读取数据成功，建议一条数据不要超过2M。单条数据超出该大小时，即使插入成功，也会出现读取失败的情况。

规格限制

数据类型

数据库表字段的类型，如下所示：

字段约束

数据库表字段的约束，如下所示：

子句

查询语句中的子句，如下所示：

集合

查询语句中的集合语句，如下所示：

运算符

针对某个条件做筛选时，可以使用运算符，一般在查询语句中使用。运算符如下所示：

时间&日期

根据不同的时间函数返回不同格式的日期，一般在查询语句中使用。时间&日期函数如下所示：

函数

SQL语句中的函数，如下所示：

接口说明

以下是向量数据库持久化功能的相关接口，更多接口及使用方式请见关系型数据库。

开发步骤

1. 判断当前系统是否支持向量数据库，若不支持，则表示当前系统不具备向量数据库能力。示例代码如下：

   import { relationalStore } from '@kit.ArkData'; // 导入模块
   import { UIAbility } from '@kit.AbilityKit';
   import { BusinessError } from '@kit.BasicServicesKit';
   import { window } from '@kit.ArkUI';     
   // 此处示例在Ability中实现，使用者也可以在其他合理场景中使用
   class EntryAbility extends UIAbility {
     async onWindowStageCreate(windowStage: window.WindowStage) {
        // 判断当前系统是否支持向量数据库
       let ret = relationalStore.isVectorSupported();
       if (!ret) {
         console.error(`vectorDB is not supported .`);
         return;
       }
       // 开库、增删改查等
     }
   }

1. 若支持向量数据库则需要获取一个RdbStore。通过getRdbStore接口创建数据库，并执行建表操作。

说明：

• 应用创建的数据库与其上下文（Context）有关，即使使用同样的数据库名称，不同的应用上下文也会产生多个数据库，例如每个UIAbility都有各自的上下文。

• 当应用首次获取数据库（调用getRdbStore）后，在应用沙箱内会产生对应的数据库文件。使用数据库的过程中，在与数据库文件相同的目录下可能会产生以-wal和-shm结尾的临时文件。此时若开发者希望移动数据库文件到其它地方使用查看，则需要同时移动这些临时文件，当应用被卸载完成后，其在设备上产生的数据库文件及临时文件也会被移除。

• 错误码的详细介绍请参见通用错误码和关系型数据库错误码。

示例代码如下：

   let store: relationalStore.RdbStore|undefined = undefined;
   const STORE_CONFIG :relationalStore.StoreConfig= {
     name: 'VectorTest.db', // 数据库文件名
     securityLevel: relationalStore.SecurityLevel.S1, // 数据库安全级别
     vector: true // 可选参数，该参数为true时才可以使用向量数据库。
   };   
   
   relationalStore.getRdbStore(this.context, STORE_CONFIG).then(async (rdbStore: relationalStore.RdbStore) => {
     store = rdbStore;
     // 建表语句，floatvector(2)代表repr的维度是2
     const SQL_CREATE_TABLE = 'CREATE TABLE IF NOT EXISTS test (id INTEGER PRIMARY KEY, repr floatvector(2));';
     // 第二个入参表示不开启显示事务，第三个参数undefined表示未使用参数绑定
     await store!.execute(SQL_CREATE_TABLE, 0, undefined); 
   }).catch((err: BusinessError) => {
     console.error(`Get RdbStore failed, code is ${err.code}, message is ${err.message}`);
   });  

1. 获取到RdbStore后，调用execute接口插入数据。

说明：

向量数据库没有显式的flush操作实现持久化，数据插入即保存在持久化文件。

示例代码如下：

   try {
     // 使用参数绑定
     const vectorValue: Float32Array = Float32Array.from([1.2, 2.3]);
     await store!.execute("insert into test VALUES(?, ?);", 0, [0, vectorValue]);
     // 不使用参数绑定
     await store!.execute("insert into test VALUES(1, '[1.3, 2.4]');", 0, undefined);
   } catch (err) {
     console.error(`execute insert failed, code is ${err.code}, message is ${err.message}`);
   }

1. 获取到RdbStore后，调用execute接口修改或删除数据。示例代码如下：

   // 修改数据
   try {
     // 使用参数绑定
     const vectorValue1: Float32Array = Float32Array.from([2.1, 3.2]);
     await store!.execute("update test set repr = ? where id = ?", 0, [vectorValue1, 0]);
     // 不使用参数绑定
     await store!.execute("update test set repr = '[5.1, 6.1]' where id = 0", 0, undefined);
   } catch (err) {
     console.error(`execute update failed, code is ${err.code}, message is ${err.message}`);
   }

   // 删除数据
   try {
     // 使用参数绑定
     await store!.execute("delete from test where id = ?", 0, [0]);
     // 不使用参数绑定
     await store!.execute("delete from test where id = 0", 0, undefined);
   } catch (err) {
     console.error(`execute delete failed, code is ${err.code}, message is ${err.message}`);
   }

1. 获取到RdbStore后，调用querySql方法查找数据，返回一个ResultSet结果集。

说明：

当应用完成查询数据操作，不再使用结果集（ResultSet）时，请及时调用close方法关闭结果集，释放系统为其分配的内存。

示例代码如下：

   // 单表查询
   try {
     // 使用参数绑定
     const QUERY_SQL = "select id, repr <-> ? as distance from test where id > ? order by repr <-> ? limit 5;";
     const vectorValue2: Float32Array = Float32Array.from([6.2, 7.3]);
     let resultSet = await store!.querySql(QUERY_SQL, [vectorValue2, 0, vectorValue2]);
     while (resultSet!.goToNextRow()) {
        let id = resultSet.getValue(0);
        let dis = resultSet.getValue(1);
     }
     resultSet!.close();

     // 不使用参数绑定
     const QUERY_SQL1 = "select id, repr <-> '[6.2, 7.3]' as distance from test where id > 0 order by repr <-> '[6.2, 7.3]' limit 5;";
     resultSet = await store!.querySql(QUERY_SQL1);
     resultSet!.close();
   } catch (err) {
     console.error(`query failed, code is ${err.code}, message is ${err.message}`);
   }

   // 子查询
   try {
     // 创建第二张表
     let CREATE_SQL = "CREATE TABLE IF NOT EXISTS test1(id text PRIMARY KEY);";
     await store!.execute(CREATE_SQL);
     let resultSet = await store!.querySql("select * from test where id in (select id from test1);");
     resultSet!.close();
   } catch (err) {
     console.error(`query failed, code is ${err.code}, message is ${err.message}`);
   }

   // 聚合查询
   try {
     let resultSet = await store!.querySql("select * from test where repr <-> '[1.0, 1.0]' > 0 group by id having max(repr <=> '[1.0, 1.0]');");
     resultSet!.close();
   } catch (err) {
     console.error(`query failed, code is ${err.code}, message is ${err.message}`);
   }

   // 多表查询
   try {
     // union all与union的区别在于union会将数据去重
     let resultSet = await store!.querySql("select id, repr <-> '[1.5, 5.6]' as distance from test union select id, repr <-> '[1.5, 5.6]' as distance from test order by distance limit 5;");
     resultSet!.close();
   } catch (err) {
     console.error(`query failed, code is ${err.code}, message is ${err.message}`);
   }

1. 创建视图并执行查询。示例代码如下：

   // 视图查询
   try {
     // 创建视图
     await store!.execute("CREATE VIEW v1 as select * from test where id > 0;");
     let resultSet = await store!.querySql("select * from v1;");
     resultSet!.close();
   } catch (err) {
     console.error(`query failed, code is ${err.code}, message is ${err.message}`);
   }

1. ‌使用向量索引进行查询，提升查询效率。

向量数据库索引‌是一种以向量作为键的索引机制，旨在提供高效且快速的搜索能力。

当前支持的向量索引基础语法和扩展语法如下：

• 基础语法如下：

   // index_name为索引名称，index_type是索引类型，dist_function是索引距离度量类型
   CREATE INDEX [IF NOT EXISTS] index_name ON table_name USING index_type (column_name dist_function);
  
  
   DROP INDEX table_name.index_name;
  

• 扩展语法如下：

   CREATE INDEX [基础语法] [WITH(parameter = value [, ...])];
  

表1 索引类型(index_type)

|类型 |备注说明 | |———|————————————————————| |gsdiskann|适用于处理高维稠密向量数据，如文本嵌入、图像特征等。 |

表2 索引距离度量类型(dist_function)

|类型 |计算符号|备注说明 | |——|——–|———-| |L2 |<-> |欧式距离。| |COSINE|<=> |余弦距离。|

表3 扩展语法参数(parameter)

|参数名称 |取值范围和约束|备注说明 | |——|——–|———-| |QUEUE_SIZE|设置范围是[10, 1000]，默认值 20。 |代表创建索引搜索近邻的时候候选队列的长度，queue_size越大，构建速度降低，召回率有略微提升。| |OUT_DEGREE|设置范围是[1, 1200] ，默认值 60。 |邻居节点出度数量。out_degree与pageSize也有关系，out_degree的数量超过pageSize的存储范围将报错GRD_INVALID_ARGS。|

说明：

• 删除索引的时候需要指定表名称，即Drop Index table.index_name。

• 随表一起创建的索引不能删除，如建表时创建的主键。

• 向量索引的命中条件。必须是ORDER BY + LIMIT类型的查询，ORDER BY只有一个排序条件，这个条件是向量距离条件；ORDER BY与DESC连用，不会使用向量索引；查询距离度量与创建索引时的度量需要保持一致，例如创建向量索引时使用L2，在查询时使用<->进行度量才可以命中索引。

示例代码如下：

   // 基础用法
   try {
     // 创建的索引名称为diskann_l2_idx，索引列为repr，类型为gsdiskann，距离度量类型为L2
     await store!.execute("CREATE INDEX diskann_l2_idx ON test USING GSDISKANN(repr L2);");
     // 删除表test中的diskann_l2_idx索引
     await store!.execute("DROP INDEX test.diskann_l2_idx;");
   } catch (err) {
     console.error(`create index failed, code is ${err.code}, message is ${err.message}`);
   }

   // 扩展语法
   try {
     // 设置QUEUE_SIZE为20，OUT_DEGREE为50
     await store!.execute("CREATE INDEX diskann_l2_idx ON test USING GSDISKANN(repr L2) WITH (queue_size=20, out_degree=50);");
   } catch (err) {
     console.error(`create ext index failed, code is ${err.code}, message is ${err.message}`);
   }

1. 手动回收索引删除产生的磁盘碎片。从API version 20 开始支持此功能。

   向量数据库对已创建gsdiskann索引的表执行向量删除操作后，会自动执行磁盘碎片回收，但在以下两个场景下自动回收可能会无法触发：

   • 删除gsdiskann索引下的向量后，立刻关闭数据库。
   • 批量删除gsdiskann索引下的向量后，后续不对该表进行任何操作。

因此提供手动触发gsdiskann索引磁盘碎片回收的语句，语法如下所示：

   PRAGMA DISKANN_ASYNC_COLLECTING;

说明：

• 一次触发对向量数据库中所有表下的全部gsdiskann索引执行回收。

• 磁盘碎片回收任务为后台任务，不会阻塞后续其他语句的执行。

• 磁盘碎片回收任务由后台基于负载自动调度，通常仅在低负载场景下执行，成功所需时间依赖负载情况。

示例代码如下：

   try {
     // 手动触发异步删除整理，对向量数据库下所有gsdiskann执行磁盘碎片回收
     await store!.execute("PRAGMA DISKANN_ASYNC_COLLECTING;");
   } catch (err) {
     console.error(`diskann async collecting failed, code is ${err.code}, message is ${err.message}`);
   }

1. 配置数据老化功能。当应用的数据需要经常清理时，可以按时间或空间配置数据老化策略，从而实现数据的自动化清理。

语法如下所示：

   CREATE TABLE table_name(column_name type [, ...]) [WITH(parameter = value [, ...])];

其中，parameter为可配置的参数，value为对应取值，具体情况见下表。

表4 数据老化策略参数(parameter)

|参数名称|必填|取值范围和使用说明| |——|——–|———-| |time_col|是|列名。类型必须为整数且不为空。| |interval|否|老化任务线程的执行间隔时间，超过该时间后执行写操作，触发老化任务，删除符合老化条件的数据；若在间隔时间内执行写操作，不会触发老化任务。取值范围是[5 second, 1 year]，时间单位支持second、minute、hour、day、month、year，不区分大小写或复数形式(1 hour和1 hours均可)，默认是1 day。| |ttl|否|数据保留时间。取值范围是[1 hour, 1 year]，时间单位支持second、minute、hour、day、month、year，不区分大小写或复数形式(1 hour和1 hours均可)，默认是3 month。| |max_num|否|数据量限制。取值范围是[100, 1024]，默认是1024。老化任务在执行完过期数据删除后，如剩余表内数据超过max_num行，则会找到距离过期时间最近的时间点，删除该时间点对应的所有数据，直到数据量少于max_num。|

时间相关参数会按数值换算为秒作为原子单位，取值规则如下所示：

|单位|向下换算成秒取值| |——|——–| |year|365 * 24 * 60 * 60| |month|30 * 24 * 60 * 60| |day|24 * 60 * 60| |hour|60 * 60| |minute|60|

例如配置ttl = '3 months'，实际ttl会被换算为3 * (30 * 24 * 60 * 60) = 7776000 seconds。

示例代码如下：

   try {
     // 每隔五分钟执行写操作后，会触发数据老化任务
     await store!.execute("CREATE TABLE test2(rec_time integer not null) WITH (time_col = 'rec_time', interval = '5 minute');");
   } catch (err) {
     console.error(`configure data aging failed, code is ${err.code}, message is ${err.message}`);
   }

1. 配置数据压缩功能。该功能在建表时配置，可以压缩数据类型为text的列数据。

从API version 20开始，支持数据压缩功能。

语法如下所示：

   CREATE TABLE table_name(content text [, ...]) [WITH(compress_col = 'content')];

其中，compress_col为必填参数，value是类型为text的数据列名，可以与数据老化功能同时配置。

示例代码如下：

   try {
     // content列配置了数据压缩，并且配置了数据老化。
     await store!.execute("CREATE TABLE IF NOT EXISTS test3 (time integer not null, content text) with (time_col = 'time', interval = '5 minute', compress_col = 'content');");
   } catch (err) {
     console.error(`configure data compress failed, code is ${err.code}, message is ${err.message}`);
   }

1. 删除数据库。

   调用deleteRdbStore方法，删除数据库及数据库相关文件。示例代码如下：

   try {
     await relationalStore.deleteRdbStore(this.context, STORE_CONFIG);
   } catch (err) {
     console.error(`delete rdbStore failed, code is ${err.code},message is ${err.message}`);
   }
   

你可能感兴趣的鸿蒙文章

harmony 鸿蒙ArkData（方舟数据管理）

harmony 鸿蒙基于设备分类和数据分级的访问控制（ArkTS）

harmony 鸿蒙应用数据向量化

harmony 鸿蒙应用数据持久化概述

harmony 鸿蒙基于标准化数据结构的控件

harmony 鸿蒙数据库备份与恢复（ArkTS）

harmony 鸿蒙数据库加密（ArkTS）

harmony 鸿蒙ArkData简介

harmony 鸿蒙通过键值型数据库实现数据持久化（ArkTS）

harmony 鸿蒙通过用户首选项实现数据持久化 (ArkTS)