如何在Microsoft SQL Server中存储n维向量？

针对你提到的384维嵌入向量存储需求，结合你已尝试的三种方案的局限，下面给出几个更优的实践方向：

1. 优先选用SQL Server 2022+/Azure SQL的原生向量支持 #

如果你的环境是SQL Server 2022及以上版本，或是Azure SQL Database，直接用官方原生的向量存储功能是最优解：

• 用VECTOR数据类型（基于FLOAT数组）直接存储n维向量，无需手动拆分或打包，结构简洁易维护。
• 内置VECTOR_DISTANCE函数，指定EUCLIDEAN参数即可直接计算欧氏距离，性能经过官方优化，远优于自定义实现。
• 示例表结构：

  CREATE TABLE EmbeddedData (
      Id INT PRIMARY KEY,
      EntityId INT REFERENCES YourMainTable(Id),
      Embedding VECTOR(384) NOT NULL
  );
  

• 欧氏距离计算示例：

  SELECT 
      Id,
      VECTOR_DISTANCE(Embedding, @queryVector, 'EUCLIDEAN') AS EuclideanDistance
  FROM EmbeddedData
  ORDER BY EuclideanDistance;
  

该方案完全规避了手动处理向量的繁琐，还支持后续创建向量索引加速相似度查询。

2. 旧版本SQL Server：VARBINARY+CLR函数组合 #

如果你的SQL Server版本低于2022，推荐优化你之前尝试的二进制打包方案：

• 用VARBINARY(MAX)存储序列化后的向量（优先用Protocol Buffers或Span序列化替代低效的BinaryFormatter，减少存储空间和解析耗时）。
• 编写.NET CLR标量函数实现向量解析与欧氏距离计算，性能比纯T-SQL实现高一个量级。
• 注意：需要开启SQL Server的CLR集成权限，且函数需做性能测试避免内存泄漏。
• 简化版CLR函数逻辑：

  [SqlFunction(DataAccess = DataAccessKind.None)]
  public static double CalculateEuclideanDistance(SqlBinary vec1, SqlBinary vec2)
  {
      float[] vector1 = DeserializeVector(vec1.Value);
      float[] vector2 = DeserializeVector(vec2.Value);
      double sum = 0;
      for (int i = 0; i < vector1.Length; i++)
      {
          sum += Math.Pow(vector1[i] - vector2[i], 2);
      }
      return Math.Sqrt(sum);
  }
  

注册CLR函数后，即可在T-SQL中直接调用计算距离。

3. 空间类型的适用性说明 #

直接结论：空间类型（GEOMETRY/GEOGRAPHY）不适合存储高维向量。这类类型专为2D/3D地理/几何空间设计，最多支持Z（海拔）、M（度量）两个额外维度，完全无法适配384维的嵌入向量，无需考虑该方向。

4. 批量计算场景：列式存储优化多列方案 #

如果你需要频繁做批量向量相似度计算，且不想依赖CLR，可以优化之前的多列存储方案：

• 将384个维度列定义为FLOAT类型，存入列式存储表（或给普通表添加列式存储索引）。
• 列式存储针对批量扫描和聚合计算做了优化，SUM+POWER的欧氏距离计算会比行存储快很多。
• 用动态SQL生成计算语句，避免手动编写384个列的表达式：

  DECLARE @queryVector NVARCHAR(MAX) = '[0.1,0.2,...,0.384]'; -- 示例查询向量JSON
  DECLARE @sql NVARCHAR(MAX);
  SET @sql = 'SELECT Id, SQRT(' + STRING_AGG('POWER(Col' + CAST(n AS NVARCHAR) + ' - JSON_VALUE(@queryVector, ''$[' + CAST(n-1 AS NVARCHAR) + ']''), 2)', ' + ') + ') AS EuclideanDistance FROM EmbeddedColumns ORDER BY EuclideanDistance';
  EXEC sp_executesql @sql, N'@queryVector NVARCHAR(MAX)', @queryVector;
  

该方案的缺点是列数多、维护繁琐，但胜在无需额外开发，适合旧版本且对批量性能有要求的场景。

内容的提问来源于stack exchange，提问作者Ian Boyd