开启辅助访问

Bo's Oracle Station › 博客首页 ›Oracle技术

Oracle技术

下级分类: 开发和基础管理|RAC真实应用集群|SQL Tuning|Grid Control|Data Guard|Performance Tuning|Securiry|开发和实施数据仓库|Linux-MySQL-Java|Oracle Golden Gate

【博客文章2025】Oracle 23ai RAC 6节点集群AWR报告解析: 本博客详细解析一份Oracle 23ai RAC 6节点集群AWR报告。; 分类: RAC真实应用集群 2025-10-2 17:23

【博客文章2025】RAC集群性能调优诊断脚本: 本博客包含以下内容：RAC集群性能调优应该关注的重要视图、RAC等待类的SQL查询语句、RAC集群细节类别等待事件的查询语句和RAC集群IO方面等待事件的查询语句。两种脚本（包含每个实例信息的版本和不包含每个实例信息的版本）都有提供。同时在第5部分中介绍：用于验证的实验环境，和工作负载脚本。; 分类: RAC真实应用集群 2025-9-22 09:28

【博客文章2025】Oracle Database 23ai（23.5.0.24.07）RAC集群（数据库部分）: Oracle Database 23ai（23.5.0.24.07）RAC集群（数据库部分）的环境获取详细过程。; 分类: RAC真实应用集群 2025-3-15 20:24

【博客文章2025】Oracle Database 23ai（23.5.0.24.07）RAC集群（网格基础架构部分）: Oracle Database 23ai（23.5.0.24.07）RAC集群（网格基础架构部分）的环境获取详细过程。; 分类: RAC真实应用集群 2025-3-13 10:11

【博客文章2025】Oracle Database 23ai：AI Vector Search笔记与实验8---在Oracle Database 23.5实现本地Ollama中文RAG支持: 本博客调用《AI Vector Search笔记与实验6》的func_text_input_ollama(v_question_key)，把提问的问题向量化，并从语料库中提取前25行最接近的相似性查询信息作为提示工程。在不连接互联网的情况下，完全依靠Oracle Database 23.5中存储的语料信息，调用本地Ollama实现中文RAG对话。; 分类: 开发和基础管理 2025-2-5 20:52

【博客文章2025】Oracle Database 23ai：AI Vector Search笔记与实验7---利用自编的Embedding函数实现中文相似性查询: 本博客介绍利用自编的Embedding函数实现中文相似性查询。同时比较了相似性查询和普通的字符模糊查询的巨大不同。具体实现步骤包括：准备数据、编写存储过程完成数据向量化、利用自编的Embedding函数生成嵌入向量和利用自编的Embedding函数实现中文相似性查询。; 分类: 开发和基础管理 2025-2-2 20:09

【博客文章2025】Oracle Database 23ai：AI Vector Search笔记与实验6---在Oracle Database 23.5中编写一个通用函数为库内数据生成向量: 在第三方嵌入模型作为嵌入向量服务提供商的情况下，Oracle 23.5中，不支持本地服务供应商Ollama。 Ollama的确提供了丰富的Embedding模型，比如能很好地支持中文向量化的bge-m3。所以我们想在Oracle Database 23.5利用它来作为嵌入向量服务提供商。为此目的，在Oracle Database 23.5中编写一个通用函数为的库内数据生成向量。设计思想是：把文本请求通过REST协议提交给Ollama，然后通过接收Ollama所返回的嵌入向量作为该函数的输出。; 分类: 开发和基础管理 2025-1-28 11:05

【博客文章2025】Oracle Database 23ai：AI Vector Search笔记与实验5---在数据库中存储嵌入向量时用到的UTL_TO_EMBEDDINGS与JSON: 本博客介绍了在数据库中存储嵌入式向量时使用的UTL_TO_EMBEDDINGS和JSON知识。UTL_TO_EMBEDDINGS用于从文本输入中自动生成一个或多个嵌入向量。详细介绍了JSON格式的UTL_TO_EMBEDINGS的参数，分析了UTL_TO_EMBEDINGS生成的JSON_TABLE，并对TO_VECTOR进行了研究。由于Oracle Database 23.5不支持将本地REST Ollama作为JSON参数“provider”的值，本文最后对23.6进行了思考。; 分类: 开发和基础管理 2025-1-23 15:09

【博客文章2025】Oracle Database 23ai：AI Vector Search笔记与实验4---在数据库中存储数据chunks时用到的UTL_TO_CHUNKS与JSON: 本博客介绍了在数据库中存储数据CHUNKS时用到的UTL_TO_CHUNKS与JSON知识。DBMS_VECTOR_CHAIN包中的UTL_TO_CHUNKS将文本分块。详细介绍了JSON格式的UTL_TO_CHUNK的PARAMS。最后设置JSON参数，查看数据CHUNKS详情。; 分类: 开发和基础管理 2025-1-22 14:32

【博客文章2025】在Oracle数据库中使用DOMAIN INDEX实现JSON数据的全文搜索: 本博客介绍了如何在Oracle数据库中为JSON数据创建DOMAIN索引以加速查询。对使用JSON_TEXTCONTAINS运算符进行全文搜索查询给出实验案例。这样，我们在Oracle数据库中使用DOMAIN INDEX实现了JSON数据的全文搜索。; 分类: 开发和基础管理 2025-1-20 17:29

【博客文章2025】在Oracle数据库中为JSON数据创建B树函数索引和位图函数索引，并观察其执行计划: 本博客介绍如何使用JSON_VALUE运算符创建B树函数索引以及如何使用JSON_EXISTS运算符创建位图函数索引。对于谓词是筛选JSON数据中某个标量键值的查询（例如：按照ID查找帖子)，B树函数索引可以提供较高的查询和索引性能。如果该键值的取值范围是少数几个离散值，则位图函数索引可以提供更高的查询和索引性能。通过查看执行计划，我们可以验证以上两种索引有效地被使用到。; 分类: 开发和基础管理 2025-1-18 18:33

【博客文章2025】使用JSON_TABLE和NESTED PATH运算符构造所需结果集: JSON数据通常有多个层次的数据包裹关系。为了利用这些数据来构造“明细清单”表结构，需要使用JSON_TABLE配合NESTED PATH运算符（甚至嵌套的NESTED PATH）逐层向下级层次钻探，以便在内存中映射JSON数据为表结构。本博客给出详细的例子和讲解。特别指出在JSON_TABLE的不同写法中，虽然“点层次表示法”是JSON_TABLE允许的语法，但是如果有多个同级别的数据嵌套并存时, 必须使用NESTED PATH展平多层嵌套数据。; 分类: 开发和基础管理 2025-1-15 14:07

【博客文章2025】Oracle数据库中的JSON_VALUE、JSON_QUERY和JSON_EXISTS运算符: 介绍了在Oracle数据库中JSON_QUERY和JSON_VALUE的区别，同时揭示了JSON_QUERY的非空判断就是JSON_EXISTS。这些注意事项对于使用JSON进行数据库应用开发非常重要。; 分类: 开发和基础管理 2025-1-2 15:47

【博客文章2024】Oracle数据库中的JSON数据介绍: 用实际案例详细介绍了：JSON是什么、JSON的用途和如何将JSON数据存储在Oracle RDBMS中。这个例子依次按照如下顺序：红色-黄色-绿色-灰色，来展示4层包裹关系。使用JSON运算符查询JSON数据的注意事项也使用实际案例予以介绍。; 分类: 开发和基础管理 2024-12-30 14:51

【博客文章2024】Oracle Database 23ai：AI Vector Search笔记与实验3---在数据库中导入提示文档并创建向量索引实现RAG: 实验2的返回结果非常不令人满意。本实验将首先向量化与实验2相同的用户问题，然后从Oracle 23ai向量数据库中检索出与该问题相似的内容，接着将相似内容和用户问题一起组成大语言模型的输入。这样的过程被称为提示工程或RAG（Retrieval-Augmented Generation）。返回的结果令人满意。; 分类: 开发和基础管理 2024-12-19 11:00

12 3 4 5 6 7 8 9 10 / 10 页下一页

|手机版|Bo's Oracle Station

GMT+8, 2026-1-19 03:37 , Processed in 0.009790 second(s), 11 queries .

返回顶部