AI 场景常见问题

AI 场景常见问题

更新时间：2026-08-13 19:27:47

本文介绍了 OceanBase Database AI 使用过程中可能遇到的一些常见问题及相关的原因和解决方法。

混合搜索

Rerank 精排调用外部模型的开销有多大？

Rerank 精排调用外部 AI 模型时，整体开销主要受到以下因素影响：模型大小、请求参数、网络延迟等。推荐使用 Profile 工具进行详细开销分析。

使用 /*+monitor*/ Hint 执行混合搜索 SQL：

SELECT /*+ monitor */ content FROM HYBRID_SEARCH(
  TABLE doc_table,
  '{
    "knn": {
      "field": "vector",
      "k": 3,
      "query_vector": "[1, 2, 3]"
    },
    "rerank" : {
      "model": "aliyun-dashscope/gte-rerank-v2",
      "field": "content",
      "query": "oceanbase mysql",
      "rank_window_size": 3
    },
    "size": 3
  }');

执行 Profile 命令，查看执行期物理算子的详细结构及统计信息：
```
CALL DBMS_XPROFILE.DISPLAY_PROFILE();
```

需要重点关注的 Profile 信息如下：

rerank document：参与 rerank 的文档数量。
rerank api call：rerank 模型的实际 API 调用次数（与 batch_size 和 rank_window_size 有关）。
rerank elapse：精排过程的总耗时。
rerank http elapse：Rerank API 进行 HTTP 请求的实际耗时。

通过上述方式，可以直观评估 Rerank 精排阶段调用外部模型所产生的资源和时间消耗。

全文/标量查询并行执行

`query_dop` 设到很大（如 128）一定更快吗？

不一定。实际并行度受租户线程池容量、数据规模、调度开销限制；过大的 query_dop 在线程紧张时会引发排队，长尾 RT 反而升高。建议从 2 / 4 开始观察收益再调优。

如何验证某条查询确实开启了并行？

可以通过 Query Profile 观察查询实际的并行度。具体步骤如下：

执行你的混合搜索查询，例如：

SELECT tid, __score FROM HYBRID_SEARCH(TABLE passages_test, @q);

查看刚刚执行的 SQL 的 Profile 信息（默认使用最近一次 trace_id）：
```
SELECT DBMS_XPROFILE.DISPLAY_PROFILE();
```
或者也可以通过显式指定 trace_id 查看某次具体的查询：
```
SELECT DBMS_XPROFILE.DISPLAY_PROFILE('<trace_id>');
```
DBMS_XPROFILE.DISPLAY_PROFILE 用于展示 SQL 执行计划的性能分析数据，详细信息请参见 DISPLAY_PROFILE。
判断实际是否为并行执行、并发度为多少：
- 并行执行：在 profile 的 Fusion Iter 节点下会出现 parallel task count:N，并嵌套 N 个 Task 子树，每个 Task 代表一个并行工作线程（worker），N 即实际的并行度。
```
Fusion Iter
  parallel task count:4
    Task
      Search Driver Iter
        ...
    Task
      Search Driver Iter
        ...
    ...
```
- 串行执行：Fusion Iter 下没有 parallel task count 字段，也不存在 Task 嵌套，各个子查询路径直接挂在 Fusion Iter 下。
```
Fusion Iter
  Vector Iter
    ...
  Search Driver Iter
    ...
```

向量搜索

在什么模式下支持向量搜索？

OceanBase Database AI 支持向量搜索。

向量列中，每一行的数据维度是否必须相同？

必须相同，定义向量列时必须指定维度，写入向量数据时也必须校验维度。

最大支持写入多少行的向量数据？

不限，取决于租户内存资源。

如何对超过 4096 维的向量建索引？

需要对数据做维度压缩，压缩到 4096 维以内之后再建索引。