设置向量存储

什么是向量？

向量（Vector）是将文本、图片等非结构化数据通过嵌入模型（Embedding Model）转换得到的一组高维数值。语义相近的数据通常会映射到向量空间中相近的位置，因此可以通过计算向量之间的距离来衡量数据的相似度。RDS当前支持欧氏距离（L2）和余弦距离（Cosine）两种距离度量方式。

传统B+Tree索引适用于精确匹配和范围查询，但无法高效支持高维向量的相似度检索。为此，RDS引入HNSW（Hierarchical Navigable Small World）向量索引，通过构建多层近邻图来组织向量数据。查询时，从高层入口节点开始逐层搜索，快速定位与目标向量最接近的候选节点，最终返回Top-K相似结果。

在存储层面，每个向量索引对应一张隐藏的辅助表，用于持久化保存HNSW图节点及邻接关系。这样可以直接复用InnoDB的事务、恢复和锁机制，无需额外设计专用存储引擎，在保证数据一致性的同时提供高效的向量检索能力。

本章节介绍在RDS界面开启和关闭向量存储开关。

约束限制

• 如需使用该功能，请提交工单申请。
• 开启向量存储后，事务隔离（transaction_isolation）仅支持READ-COMMITTED隔离级别。如果实例设置为其它隔离级别，将导致向量数据恢复到该实例失败。
• 仅支持8.0版本，并且内核版本大于等于8.0.43.260600。
• 关于向量存储的内核功能限制及相关参数说明，请参见向量存储检索。

操作步骤