Oracle 23ai向量搜索必须使用原生SQL与Oracle专用类型绑定，依赖VECTOR类型、VECTOR_DISTANCE函数及INMEMORY列存储；JDBC需通过unwrap获取OracleConnection构造ARRAY，显式指定距离函数和维度，且连接字符串须添加oracle.net.disableOcm=true防止连接泄漏。
oracle 23ai 的向量搜索功能不能通过标准 jdbc 驱动直接调用——它依赖数据库内建的 vector 类型、vector_distance 函数和专用索引，java 端必须绕过传统 orm 抽象，走原生 sql + 正确绑定方式才能生效。
用 PreparedStatement 绑定 VECTOR 值时，必须用 Oracle-specific 的 setARRAY 或 setSTRUCT
标准 setObject(1, vectorArray, Types.ARRAY) 会失败，Oracle JDBC 驱动不识别 Java 数组到 VECTOR 的隐式转换。你得用 Oracle 自己的类型映射：
- 先通过
Connection.unwrap(OracleConnection.class)获取底层 Oracle 连接 - 构造
ARRAY对象：用new ARRAY(descriptor, connection, floatArray)，其中descriptor需通过ArrayDescriptor.createDescriptor("VECTOR", connection)创建（注意：类型名大小写敏感，必须是大写的VECTOR） - 调用
preparedStatement.setARRAY(1, array)，而非setObject - 若用 Spring JdbcTemplate，需配合
OracleLobHandler或自定义SqlTypeValue实现，否则自动类型推导会退化为 BLOB
SQL 中必须显式指定 VECTOR_DISTANCE 的距离类型和维度
Oracle 不允许在 WHERE 子句里对 VECTOR 列直接用 = 或 LIKE，所有语义检索都靠 VECTOR_DISTANCE 函数驱动，且参数顺序和类型极易出错：
-
VECTOR_DISTANCE(v1, v2, 'COSINE') < 0.2是合法写法；但写成VECTOR_DISTANCE(v1, v2, 'cosine')（小写）会报ORA-40695: invalid distance function name - 维度必须与表定义完全一致：如果列定义是
VECTOR(384, FLOAT32)，传入的数组长度就必须是 384，多一位或少一位都会触发ORA-40697: vector dimension mismatch - 不能在
ORDER BY中只写VECTOR_DISTANCE(...)，必须加上ASC或DESC，否则报ORA-00907: missing right parenthesis（这个错误信息完全不提示问题根源）
创建向量索引前，必须确认表已启用 INMEMORY 并设置合适压缩等级
Oracle 23ai 的向量搜索性能严重依赖内存列存储（INMEMORY），没开的话查询会回退到全表扫描，响应时间从毫秒级变成秒级：
- 执行
ALTER TABLE my_table INMEMORY;是必要前提，仅建VECTOR索引不够 - INMEMORY 的
MEMCOMPRESS设置影响向量计算精度：用FOR QUERY LOW会导致VECTOR_DISTANCE返回值轻微漂移（相对误差约 0.003），而FOR QUERY HIGH能保持 IEEE 754 精度，但内存占用翻倍 - 向量索引本身要用
CREATE VECTOR INDEX idx_name ON my_table(vector_col) ORGANIZATION INMEMORY;，漏掉ORGANIZATION INMEMORY会导致索引不可用，且无任何报错提示
最常被忽略的是连接字符串里的 oracle.net.disableOcm=true 参数——如果没加，Oracle 23ai 在高并发向量查询下可能因 OCM（Oracle Connection Manager）超时重连导致连接池泄漏，现象是连接数缓慢上涨直到 ORA-00020: maximum number of processes exceeded。这个点不在任何官方向量文档里，只藏在 JDBC 驱动 release note 的第 17 条注释中。
立即学习“Java免费学习笔记（深入）”；
