Kysely中高效复用大型向量变量的查询优化技巧

在使用Kysely进行PostgreSQL查询时，处理大型向量变量(如AI嵌入向量)可能会遇到性能问题。本文将深入探讨如何优化这类查询，避免重复传递大型参数。

问题背景

在AI应用中，我们经常需要处理高维向量(如384维或768维的嵌入向量)。当这些向量需要多次出现在SQL查询中时，直接重复传递会导致查询语句变得非常庞大，影响性能。

原始查询的问题

原始查询中存在三个主要问题：

1. 多次重复传递同一个大型向量参数
2. 试图使用多个SELECT语句(PostgreSQL不支持在预处理语句中执行多命令)
3. 向量转换函数可能不够高效

优化方案

1. 使用WITH子句(CTE)定义临时变量

PostgreSQL的WITH子句(Common Table Expression)可以让我们定义查询中的临时变量，避免重复：

const definitions = await db.executeQuery(
  sql`
WITH embedding_query AS (
  SELECT ${vectorToSql(embeddingQ)}::vector AS embedding
)
SELECT 
  id, 
  language__id, 
  entry__id, 
  1 - (definitions.embedding <=> (SELECT embedding FROM embedding_query)) AS similarity
FROM definitions
WHERE 1 - (definitions.embedding <=> (SELECT embedding FROM embedding_query)) > 0.8
ORDER BY (definitions.embedding <=> (SELECT embedding FROM embedding_query)) ASC
LIMIT 10;`.compile(db)
)

2. 优化向量转换函数

确保向量转换函数高效处理数组：

function vectorToSql(value: number[]): string {
  if (!Array.isArray(value)) {
    throw new Error('Input must be an array');
  }
  return `[${value.map(v => Number(v)).join(',')}]`;
}

3. 使用函数封装重复计算

对于重复的向量相似度计算，可以创建PostgreSQL函数：

CREATE OR REPLACE FUNCTION calculate_similarity(vec1 vector, vec2 vector)
RETURNS float AS $$
BEGIN
  RETURN 1 - (vec1 <=> vec2);
END;
$$ LANGUAGE plpgsql;

然后在查询中使用：

const definitions = await db.executeQuery(
  sql`
WITH embedding_query AS (
  SELECT ${vectorToSql(embeddingQ)}::vector AS embedding
)
SELECT 
  id, 
  language__id, 
  entry__id, 
  calculate_similarity(definitions.embedding, (SELECT embedding FROM embedding_query)) AS similarity
FROM definitions
WHERE calculate_similarity(definitions.embedding, (SELECT embedding FROM embedding_query)) > 0.8
ORDER BY similarity DESC
LIMIT 10;`.compile(db)
)

性能考虑

1. 参数绑定：Kysely使用参数化查询，大型向量只会被传递一次
2. 索引优化：确保在embedding列上创建了适当的向量索引
3. 批量处理：考虑批量处理多个向量查询，减少数据库往返

最佳实践

1. 对于频繁使用的向量操作，创建PostgreSQL函数
2. 使用CTE(WITH子句)组织复杂查询
3. 在应用层缓存常用向量
4. 考虑使用专门的向量数据库处理超大规模向量搜索

通过以上优化，可以显著提高包含大型向量参数的查询性能，同时保持代码的清晰和可维护性。