AI 服务用例

Oracle GoldenGate 在不同数据库和拓扑的向量数据管理各个方面使用 AI 功能。

您可以将 Oracle GoldenGate 用于各种方案，例如：

在此部分中了解一些此类方案。

将向量数据迁移到 Oracle 数据库

将向量数据迁移到 Oracle AI Database 26ai 需要经过精心编排的方法来确保数据完整性和语义一致性。

组织通常首先使用 Oracle GoldenGate 的初始加载功能从外部系统（例如 PostgreSQL pgvector、MySQL Heatwave 或定制向量存储）传输历史嵌入，然后持续同步更改数据捕获 (Change Data Capture，CDC) 以使数据集保持最新。在摄取之前，向量数据应规范化为一致的格式（例如 float32 数组），以与 Oracle 的原生 VECTOR 数据类型保持一致，后者通常可以为优化的存储提供增强的查询性能。

在迁移期间使用的嵌入模型中保持一致性，以防止语义漂移，这可能会降低搜索准确性和 AI 结果。对于大型数据集，并行化 GoldenGate Extract 初始加载（ SOURCEISTABLE 或缩放 GoldenGate SOURCEISTABLE 初始加载提取）和 Replicat 进程可显著提高吞吐量并缩短迁移时间。

常见的实施模式包括将基于 Python 的上游机器学习管道中生成的嵌入迁移到 Oracle 表中，这些嵌入以 VECTOR 列的形式存储，并可用于实时相似性搜索和 AI 驱动的应用。

复制或合并矢量数据

Oracle GoldenGate 提供了一个强大的框架，可用于将来自分布式源的向量数据复制并整合到集中式 Oracle AI 数据库中，为语义搜索和 AI 驱动的工作负载打下了统一的基础。在现代架构中，嵌入通常跨多个区域或微服务生成，因此必须高效同步和聚合这些数据。常见用例包括多区域复制，以支持具有低延迟访问的全球分布式 AI 应用，以及将独立服务生成的嵌入整合到单个检索系统中，以提高查询准确性和监管。如果源和目标方案不相同，则应在 GoldenGate 中实施转换规则，以协调源系统的方案差异，确保与目标数据模型的兼容性。如果数据源包含需要嵌入到目标向量集线器中的原始或表格数据，请使用内置的 GoldenGate AI 服务集成或原生数据库嵌入功能实时执行嵌入。

将向量数据流式传输到 AI 搜索引擎

Oracle GoldenGate 支持向下游 AI 搜索引擎和处理管道实时流式传输向量数据更改，在事务系统和 AI 驱动的应用之间形成关键桥梁。在源系统中创建或更新嵌入时，GoldenGate 可以捕获这些更改并将其流式传输到目标，例如 Pinecone、Milvus、搜索平台（例如具有 k-NN 功能的 OpenSearch）或基于 Apache Kafka 等技术构建的事件驱动的 AI 管道。此架构支持低延迟语义搜索、推荐系统和实时推理用例。为了有效实施此功能，组织应利用 GoldenGate for Distributed Applications and Analytics ，或利用 OCI GoldenGate 与 Kafka 和这些其他流处理平台无缝集成。高效的向量数据序列化—使用 JSON 阵列等格式实现互操作性，或采用紧凑的二进制格式来提高性能，这对于尽可能降低网络开销和处理延迟至关重要。

此外，确保幂等消息传递对于保持下游系统的一致性至关重要，尤其是在可能发生重试或重复事件的分布式环境中。

AI 流处理管道

Oracle GoldenGate Stream Analytics (GGSA) 26ai 通过强大的 AI 驱动的事件处理层扩展了 GoldenGate 的实时数据移动功能，可直接在流式管道中做出智能决策。通过将精确、有序和事务一致的流处理与内置 AI、向量和机器学习集成相结合，GGSA 使组织能够超越基于规则的逻辑，并将模型驱动的洞察应用于实时数据。通过 GoldenGate 复制捕获的事件可以使用基于大型语言模型的 AI 代理模式进行扩充和处理，从而基于企业数据实现自然语言驱动的评估、上下文推理和检索增强生成 (RAG)。此外，GGSA 支持在管道内创建和查询向量嵌入，从而实现实时相似性搜索和语义匹配用例，例如识别相关客户问题或内容。与 Oracle Machine Learning 和 AutoML 集成进一步支持对流事件进行预测性评分和分类，从而支持欺诈检测、异常检测和预测等用例。

GoldenGate Stream Analytics 支持用户为每个自动化决策选择合适的智能级别。可以使用筛选器和逻辑表达式来处理直接路由或预警，例如标记高价值事务处理或确定紧急服务事件的优先级。预测性决策可以使用机器学习模型对事件进行评分，以获得欺诈风险、设备故障、流失或需求预测等结果。管道还可以创建和查询向量嵌入，从而实现语义匹配，例如，将新客户问题与最相关的答案、文档或支持案例进行匹配。对于更复杂的情况，管道可以调用使用实时事件数据、企业上下文和检索增强生成的 AI 代理来生成合理的建议或操作。

这些功能共同将 GoldenGate Stream Analytics 定位为使用嵌入式 AI 智能处理高速事件流的统一平台，可无缝地桥接事务数据和高级分析。