云数据库 veDB MySQL 版
云数据库 veDB MySQL 版
云数据库 veDB MySQL 版
文档指南
请输入
产品动态
用户指南
实例管理
备份与恢复
参数配置
任务中心
最佳实践
API 参考
v2（2024-01-01）
v1（2022-01-01）
实例管理
连接管理
数据库管理
账号管理
安全
备份恢复
参数管理
开发者工具
附录
相关协议
- 文档首页
云数据库 veDB MySQL 版用户指南veDB-SearchveDB-Search 语法说明
复制全文
下载 pdfveDB-Search 语法说明
文档反馈
问问助手veDB-Search 基于 veDB MySQL 和 Cloud Search，支持标量、向量、全文混合检索。本文介绍使用 veDB-Search 功能常用的 SQL 语法。
概述
veDB-Search 支持以下能力：
- 向量相似度搜索：基于语义嵌入进行智能检索。
- 结构化查询：完整的 WHERE 条件过滤支持。
- 全文检索：支持 MySQL 标准 MATCH...AGAINST 语法。
- 混合查询：同时使用多种搜索方式的复合查询。
基本工作流程如下：
- 创建表：表结构需要包含向量字段和需要检索的字段（索引字段必须为 NOT NULL）。
- 创建 ANN 索引：需要指定向量字段或 FTS 字段，标量字段通过 SECONDARY_ENGINE_ATTRIBUTE 配置。
- 插入数据：包含向量嵌入和文本数据。
- 执行查询：使用向量搜索、全文检索或混合查询（查询需使用 FORCE INDEX 强制选择）。
表结构设计
表结构设计
插入数据
更新数据
基本表结构
CREATE TABLE articles (
id INT PRIMARY KEY AUTO_INCREMENT,
title TEXT NOT NULL, -- FTS字段
content TEXT NOT NULL, -- FTS字段
category VARCHAR(50) NOT NULL, -- 标量字段
price FLOAT NOT NULL, -- 标量字段
publish_date TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP, -- 标量字段
is_active BOOL NOT NULL DEFAULT TRUE, -- 标量字段
embedding VECTOR(512) NOT NULL -- 向量字段
);
带 ANN 索引的表结构
CREATE TABLE articles (
id INT PRIMARY KEY AUTO_INCREMENT,
title TEXT NOT NULL, -- FTS字段
content TEXT NOT NULL, -- FTS字段
category VARCHAR(50) NOT NULL, -- 标量字段
price FLOAT NOT NULL, -- 标量字段
publish_date TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP, -- 标量字段
is_active BOOL NOT NULL DEFAULT TRUE, -- 标量字段
embedding VECTOR(512) NOT NULL, -- 向量字段
ANN KEY idx (embedding, content) SECONDARY_ENGINE_ATTRIBUTE = '{"scalar_fields": "category,price,is_active"}'
);
字段类型支持
MySQL 类型 | 用途 | 示例 |
MySQL 类型 | 用途 | 示例 |
VECTOR(n) | 向量嵌入 | embedding VECTOR(512) NOT NULL |
TEXT | 全文检索 | title TEXT NOT NULL |
BLOB/LONGBLOB/MEDIUMBLOB/TINYBLOB | 全文检索 | content LONGBLOB NOT NULL |
VARCHAR(n) | 标量过滤 | category VARCHAR(50) NOT NULL |
INT/BIGINT | 数值过滤 | price INT NOT NULL |
FLOAT/DOUBLE | 浮点过滤 | rating FLOAT NOT NULL |
BOOL | 布尔过滤 | is_active BOOL NOT NULL |
TIMESTAMP/DATETIME | 时间过滤 | created_at TIMESTAMP NOT NULL |
注意
- 所有索引列必须定义为 NOT NULL。
- 只有 TEXT 和 BLOB 系列字段支持 MATCH 全文检索。
- 标量字段不能直接作为 ANN 索引字段，只能通过 SECONDARY_ENGINE_ATTRIBUTE 配置。
- 插入带向量嵌入的数据
- INSERT INTO articles (title, content, category, price, is_active, embedding) VALUES ('Introduction to Machine Learning', 'Machine learning is a subset of artificial intelligence...', 'technology', 29.99, true,TO_VECTOR('[0.12, -0.34, 0.56, ...]'));
- 批量插入
- INSERT INTO articles (title, content, category, price, is_active, embedding) VALUES ('Deep Learning Fundamentals', 'Deep learning uses neural networks...', 'technology', 39.99, true, TO_VECTOR('[0.15, -0.28, ...]')),('Natural Language Processing', 'NLP enables computers to understand...', 'technology', 35.99, true, TO_VECTOR('[0.08, -0.42, ...]')),('Computer Vision Basics', 'Computer vision allows machines to interpret...', 'technology', 33.99, true, TO_VECTOR('[0.22, -0.31, ...]'));
- 更新向量嵌入
- UPDATE articles SET embedding = TO_VECTOR('[0.18, -0.25, 0.41, ...]')WHERE id = 1;
- 更新多个字段
- UPDATE articles SET title = 'Advanced Machine Learning',price = 49.99,embedding = TO_VECTOR('[0.16, -0.33, 0.52, ...]')WHERE id = 1;
ANN 索引创建
ANN 索引仅支持以下结构，标量列在 SECONDARY_ENGINE_ATTRIBUTE 中另行设置。
- 纯向量索引：只包含一个 VECTOR 字段。
- 混合索引：包含一个 VECTOR 字段 + 一个 TEXT/BLOB 字段。
基本语法
使用示例
CREATE ANN INDEX index_name ON table_name(index_column)
[SECONDARY_ENGINE_ATTRIBUTE = 'scalar_config'];
SECONDARY_ENGINE_ATTRIBUTE 选项说明：
{
"scalar_fields": "field1, field2, field3", // 可过滤的标量字段列表
}
注意
scalar_fields 中列出的字段必须存在于表中且为 NOT NULL。
- 纯向量索引
- CREATE ANN INDEX idx_vector ON articles(embedding)SECONDARY_ENGINE_ATTRIBUTE = '{"scalar_fields": "category, price, is_active, publish_date"}';
- 混合索引（向量+全文）
- CREATE ANN INDEX idx_hybrid ON articles(embedding, title)SECONDARY_ENGINE_ATTRIBUTE = '{"scalar_fields": "category, price, is_active, publish_date"}';
全文检索 (MATCH)
说明
MATCH(...) AGAINST (...) 所匹配的字符串语法按照 ElasticSearch 对应模式的语法过滤。
函数限制
支持的 MATCH 语法
使用示例
MATCH 函数只支持全文字段检索：
- TEXT
- BLOB、TINYBLOB、MEDIUMBLOB、LONGBLOB
不支持以下字段类型：
- VARCHAR、CHAR 等字符串类型。
- 数值类型（INT、FLOAT 等）。
- 其他非文本类型。
- 自然语言模式（默认）
- SELECT id, title FROM articles force index(idx_fts)WHERE MATCH(title) AGAINST('machine learning database')ORDER BY l2_distance(TO_VECTOR('[1, 1, 1, 1]'), embedding) LIMIT 10;
- BOOLEAN PREFIX MODE
- SELECT id, title FROM articles force index(idx_fts)WHERE MATCH(title) AGAINST('+AI -obsolete' IN BOOLEAN PREFIX MODE)ORDER BY l2_distance(TO_VECTOR('[1, 1, 1, 1]'), embedding) LIMIT 5;
- PHRASE MODE
- SELECT id, title FROM articles force index(idx_fts)WHERE MATCH(content) AGAINST('artificial intelligence' IN PHRASE MODE)ORDER BY l2_distance(TO_VECTOR('[1, 1, 1, 1]'), embedding) LIMIT 5;
- PHRASE PREFIX MODE
- SELECT id, title FROM articles force index(idx_fts)WHERE MATCH(title) AGAINST('machine learn' IN PHRASE PREFIX MODE)ORDER BY l2_distance(TO_VECTOR('[1, 1, 1, 1]'), embedding) LIMIT 5;
- PRECISE TERM MODE
- SELECT id, title FROM articles force index(idx_fts)WHERE MATCH(title) AGAINST('MySQL' IN PRECISE TERM MODE)ORDER BY l2_distance(TO_VECTOR('[1, 1, 1, 1]'), embedding) LIMIT 5;
获取相关性分数：
SELECT id, title,
MATCH(title) AGAINST('machine learning') as relevance_score
FROM articles force index(idx_fts)
WHERE MATCH(title) AGAINST('machine learning')
ORDER BY l2_distance(TO_VECTOR('[1, 1, 1, 1]'), embedding)
LIMIT 10;
混合查询（向量+全文+标量）
混合索引查询
使用混合索引进行全功能查询：
SELECT id, title, content, category,
MATCH(title) AGAINST('artificial intelligence') as fts_score
FROM articles force index(idx_hybrid)
WHERE MATCH(title) AGAINST('artificial intelligence')
AND category IN ('technology', 'science')
AND price BETWEEN 10.00 AND 100.00
AND is_active = true
AND publish_date > '2023-01-01'
ORDER BY l2_distance(TO_VECTOR('[0.1, 0.2, 0.3, ...]'), embedding)
LIMIT 10;
使用场景
文档检索
商品推荐
知识库问答
-- 查找与"机器学习"相关的技术文档
SELECT id, title,
MATCH(content) AGAINST('machine learning algorithms') as relevance
FROM documents force index(idx_doc_hybrid)
WHERE MATCH(content) AGAINST('machine learning algorithms')
AND category = 'technical'
AND price <= 50.00
AND publish_date >= '2024-01-01'
ORDER BY l2_distance(TO_VECTOR('[...]'), embedding)
LIMIT 15;
-- 基于用户兴趣向量和关键词搜索推荐商品
SELECT product_id, name, price, rating,
MATCH(description) AGAINST('wireless headphones') as text_match
FROM products force index(idx_product_hybrid)
WHERE MATCH(description) AGAINST('wireless headphones')
AND category IN ('electronics', 'audio')
AND price BETWEEN 50.00 AND 300.00
AND rating >= 4.0
AND in_stock = true
ORDER BY l2_distance(:user_preference_vector, feature_embedding)
LIMIT 20;
-- 知识库检索
SELECT faq_id, question, answer,
MATCH(answer) AGAINST('password reset login') as faq_score
FROM knowledge_base force index(idx_kb_hybrid)
WHERE MATCH(answer) AGAINST('password reset login')
AND category = 'account'
AND is_active = true
AND language = 'en'
ORDER BY cosine_distance(:query_embedding, content_embedding)
LIMIT 5;
WHERE 条件支持
使用限制
使用 WHERE 条件检索时，WHERE 条件中的字段必须在 ANN 索引中定义。正确示例如下：
CREATE ANN INDEX idx_ann ON table_name(emb, category, price, rank_score, is_active);
WHERE category = 'electronics' AND price > 100;
SQL 查询
完全支持的 SQL 查询
不支持的 SQL 查询
操作符
类型 | 操作符 | | 示例 |
类型 | 操作符 | | 示例 |
基本比较操作符 | = | | WHERE category = 'electronics' |
| != / <> | | WHERE price != 100.0 |
| > | | WHERE price > 50.0 |
| >= | | WHERE rank_score >= 80 |
| < | | WHERE price < 200.0 |
| <= | | WHERE rank_score <= 90 |
复合操作符 | IN 操作符 | 字符串 IN | WHERE category IN ('electronics', 'books', 'toys') |
| | 整数 IN | WHERE rank_score IN (85, 90, 78) |
| | 大整数 IN | WHERE large_id IN (1000000001, 1000000003, 1000000005) |
| | 布尔值 IN | WHERE is_active IN (true, false) |
| BETWEEN 操作符 | 数值 BETWEEN | WHERE price BETWEEN 50.00 AND 200.00 WHERE rank_score BETWEEN 70 AND 90 |
| | 字符串 BETWEEN | WHERE category BETWEEN 'a' AND 'z' -- 当前使用term查询，应该使用range |
逻辑操作符 | AND 操作符 | 简单 AND | WHERE category = 'electronics' AND price > 100.00 |
| | 多个 AND 条件 | WHERE category = 'electronics' AND price > 50.00 AND price < 300.00 |
| | 不同操作符组合 | WHERE category = 'electronics' AND rank_score IN (85, 92, 68) |
| | AND with BETWEEN | WHERE category = 'electronics' AND price BETWEEN 100.00 AND 250.00 |
| OR 操作符 | 简单 OR | WHERE category = 'electronics' OR category = 'books' |
| | 数值 OR | WHERE price < 50.00 OR price > 250.00 |
| | 混合类型 OR | WHERE category = 'games' OR rank_score > 85 |
嵌套条件
支持的嵌套层级如下所示：
嵌套层级 | 示例 |
嵌套层级 | 示例 |
2 层嵌套 | WHERE category = 'electronics' AND (price < 100.00 OR price > 200.00) |
中等复杂度嵌套 | WHERE (category = 'electronics' AND price > 100.00) OR (category = 'books' AND price < 50.00) |
多分支嵌套 | WHERE (category = 'electronics' OR category = 'toys') AND (price BETWEEN 50.00 AND 200.00) |
深度嵌套 | WHERE ((category = 'electronics' AND price > 80.00) OR (category = 'books' AND rating >= 4.0)) AND (is_active = true OR quantity > 30) 注意 推荐使用 1~2 层嵌套，4 层及以上可能会导致 Core Dump。 |
复杂表达式
SQL 操作 | 示例 |
SQL 操作 | 示例 |
子查询 | INSERT INTO t_nested (category, price, rank_score, is_active, large_id, rating, quantity, emb) SELECT category, price, rank_score, is_active, large_id, rating, quantity, emb FROM t_nested FORCE INDEX(idx_ann) WHERE price > (SELECT AVG(price) FROM t_nested) ORDER BY l2_distance(TO_VECTOR('[5.22, 9.55, 2.88, 0.33]'), emb) LIMIT 3; |
类型 | SQL 操作 | 示例 |
类型 | SQL 操作 | 示例 |
操作符 | NOT 操作 | WHERE NOT (category = 'electronics') |
| LIKE 模式匹配 | WHERE category LIKE 'elect%' |
| 正则表达式 | WHERE category REGEXP '^elect' |
| NULL 检查 | WHERE category IS NULL WHERE category IS NOT NULL |
| EXISTS 子查询 | WHERE EXISTS (SELECT 1 FROM other_table) |
函数调用 | 字符串函数 | WHERE UPPER(category) = 'ELECTRONICS' WHERE LENGTH(category) > 5 |
| 数学函数 | WHERE ABS(price) > 100 WHERE ROUND(price, 2) = 99.99 |
| 日期函数 | WHERE DATE(created_at) = '2024-01-01' |
| 聚合函数 | WHERE price > (SELECT AVG(price) FROM table) |
复杂表达式 | 算术表达式 | WHERE price * 1.1 > 100 WHERE (price + tax) * discount > 100 |
| 字段间比较 | WHERE price > cost WHERE start_date < end_date |
最近更新时间：2026.08.21 11:56:53
这个页面对您有帮助吗？
有用
有用
无用
无用