Percona Server for MySQL 9.7.2-2 加入了 DISTANCE()，让应用可以在 SQL 中直接计算向量距离，并使用 COSINE、EUCLIDEAN、MANHATTAN 和 DOT 等度量完成排序或过滤。VECTOR_DISTANCE() 则提供了面向向量距离计算的对应接口。
这项能力解决的是向量检索中最基础的一步：给定查询向量，为候选记录打分。它还不是 HNSW、IVF 这类近似最近邻索引，但已经足以支持小规模检索、元数据预过滤后的重排，以及向量算法验证。
向量距离进入 SQL 意味着什么
传统做法通常是从数据库读取候选记录，在 Python、Java 或独立向量服务中计算相似度。现在，距离计算可以和普通 SQL 条件放在同一条查询中：
SELECT
id,
title,
DISTANCE(embedding, @query_vector, 'COSINE') AS distance
FROM documents
WHERE language = 'zh'
ORDER BY distance ASC
LIMIT 10;
这带来几个直接变化：
- 可以先用租户、语言、时间、权限等普通字段缩小候选集，再计算向量距离。
- 距离值可以参与
ORDER BY、阈值过滤、CTE 和后续业务逻辑。 - 应用不必把大量向量搬出数据库后再逐条评分。
- SQL 查询更容易纳入已有的事务、权限和审计体系。
不过，距离函数只是计算原语。没有 ANN 索引时，数据库通常仍需对候选行逐一计算距离；单独添加 LIMIT 10 并不意味着只计算十次。
四种度量应该怎样选择
Percona Server 9.7.2-2 支持的度量覆盖了常见的嵌入检索场景：
| 度量 | 适合的场景 | 使用时需要注意 |
|---|---|---|
COSINE |
文本嵌入、语义搜索、方向比长度更重要的向量 | 通常将较小的余弦距离视为更相似 |
EUCLIDEAN |
向量的绝对位置和长度有意义 | 特征尺度会显著影响结果 |
MANHATTAN |
希望使用各维绝对差之和 | 高维数据中应通过真实样本验证效果 |
DOT |
模型训练目标基于内积，或向量已经归一化 | 不要未经验证就假设返回值与排序方向 |
度量并不是可以随意切换的 UI 选项。嵌入模型如何训练、输出是否归一化，以及线上阈值如何标定，都会影响最终选择。
尤其是 DOT，不同系统可能返回原始内积，也可能把它转换成便于按距离升序排列的值。升级或切换函数名时，可以先用方向明确的向量做一次探针查询：
SET @x = STRING_TO_VECTOR('[1,0,0]');
SET @same = STRING_TO_VECTOR('[1,0,0]');
SET @opposite = STRING_TO_VECTOR('[-1,0,0]');
SELECT
DISTANCE(@x, @same, 'DOT') AS same_value,
DISTANCE(@x, @opposite, 'DOT') AS opposite_value;
观察实际返回值后，再确定业务查询应该使用升序还是降序。对 COSINE、EUCLIDEAN 和 MANHATTAN 这类距离，一般采用 ORDER BY distance ASC。
一套可以直接改造的 SQL 示例
下面假设已经连接到 Percona Server for MySQL 9.7.2-2，并使用三维向量缩短示例。生产环境应将 VECTOR(3) 改为嵌入模型的真实维度，例如 384、768 或其他固定值。
先确认服务器版本：
mysql -u root -p -e 'SELECT VERSION();'
创建表并写入几条测试数据：
DROP DATABASE IF EXISTS vector_demo;
CREATE DATABASE vector_demo;
USE vector_demo;
CREATE TABLE documents (
id BIGINT PRIMARY KEY,
title VARCHAR(200) NOT NULL,
language CHAR(2) NOT NULL,
embedding VECTOR(3) NOT NULL,
INDEX idx_language (language)
);
INSERT INTO documents (id, title, language, embedding) VALUES
(1, 'MySQL query optimization', 'en', STRING_TO_VECTOR('[0.95,0.10,0.05]')),
(2, 'Vector search in SQL', 'en', STRING_TO_VECTOR('[0.90,0.20,0.10]')),
(3, 'Database backup guide', 'en', STRING_TO_VECTOR('[0.15,0.85,0.20]')),
(4, 'SQL 中的向量检索', 'zh', STRING_TO_VECTOR('[0.88,0.22,0.12]'));
执行余弦距离排序：
SET @query_vector = STRING_TO_VECTOR('[0.92,0.18,0.08]');
SELECT
id,
title,
DISTANCE(embedding, @query_vector, 'COSINE') AS distance
FROM documents
ORDER BY distance ASC
LIMIT 3;
如果项目使用 VECTOR_DISTANCE() 命名，可以用相同数据验证其行为：
SELECT
id,
title,
VECTOR_DISTANCE(embedding, @query_vector, 'COSINE') AS distance
FROM documents
ORDER BY distance ASC
LIMIT 3;
需要阈值过滤时，使用 CTE 可以避免在同一查询层直接引用计算别名：
WITH scored AS (
SELECT
id,
title,
DISTANCE(embedding, @query_vector, 'COSINE') AS distance
FROM documents
WHERE language = 'en'
)
SELECT id, title, distance
FROM scored
WHERE distance < 0.10
ORDER BY distance ASC
LIMIT 10;
这里的 0.10 只是演示值，不能直接照搬到生产环境。合理阈值应根据真实查询、正负样本和召回率要求进行标定。
没有 ANN 索引时，怎样把查询做得更稳
现阶段最实用的策略不是把整个大表交给距离函数，而是尽量减少需要评分的候选行。
例如先按租户、文档类型和时间过滤：
WITH candidates AS (
SELECT id, title, embedding
FROM documents
WHERE language = 'en'
AND id > 100000
LIMIT 5000
),
scored AS (
SELECT
id,
title,
DISTANCE(embedding, @query_vector, 'COSINE') AS distance
FROM candidates
)
SELECT id, title, distance
FROM scored
ORDER BY distance ASC
LIMIT 20;
这是一种可以实践的候选集重排模式，但要注意：没有稳定排序条件的 LIMIT 5000 可能产生不可预测的候选集。生产查询通常应配合时间、主键范围、全文检索结果或其他明确的召回规则。
还可以使用 EXPLAIN 检查普通过滤条件是否命中索引：
EXPLAIN
SELECT
id,
DISTANCE(embedding, @query_vector, 'COSINE') AS distance
FROM documents
WHERE language = 'en'
ORDER BY distance ASC
LIMIT 10;
普通 B-tree 索引可以帮助缩小 language 等结构化条件的范围，但不能代替面向向量距离的 ANN 索引。
上线前的检查清单
将这项能力接入业务前，建议确认以下事项：
- 固定向量维度，并拒绝维度不一致的数据。
- 记录嵌入模型名称、版本和归一化方式，避免新旧向量混用。
- 用明确样本验证每种度量的返回值和排序方向，尤其是
DOT。 - 通过离线数据标定距离阈值，不要复制示例中的常量。
- 先使用租户、权限、语言和时间等字段过滤候选集。
- 对真实数据量执行
EXPLAIN和延迟测试，观察全表或大范围扫描成本。 - 将向量生成放在应用或模型服务中；数据库中的
DISTANCE()负责评分，而不是生成嵌入。 - 为未来的 HNSW、IVF 等 ANN 能力保留模型版本和索引重建方案。
DISTANCE() 的价值在于让向量评分成为普通 SQL 的组成部分。对于小数据集、精确评估、混合过滤以及 ANN 召回后的重排，它已经是一个实用组件；面对百万级甚至更大的无过滤搜索，则应等待或引入专门的 ANN 索引方案，而不是把一次全量距离排序误当成可扩展的向量搜索。