排查优化函数问题

如需解决在 AlloyDB for PostgreSQL 中运行优化后的 AI 函数时出现的模型训练、查询准备和性能回退问题，请针对查询返回的警告或错误应用建议的修复措施。

预计性能会下降。优化后的 AI 函数不可用

说明

此警告表示查询已回退到使用 LLM。如果优化后的函数仍在训练、从未准备好、未通过运行时准确率验证检查，或者 ai.if() 函数中引用的内容和嵌入列不属于同一表，则会发生这种情况。对于较小的表，代理模型可能无法很好地泛化，准确率通常低于 95%，因此 AlloyDB 默认使用 LLM。

导致错误的查询示例

EXECUTE positive_reviews_query;
  • 等待优化后的函数训练完成。
  • 确保使用 PREPARE 语句正确准备了查询。
  • 请验证 ai.if() 函数中引用的内容列和嵌入列是否属于同一表。
  • 优化的函数（预览版）更适合较大的表。您还可以使用基于数组的 AI 函数来提升性能。

  • 如果您想绕过运行时准确性检查（例如，在开发环境中），请为整个数据库环境将 google_ml_integration.runtime_accuracy_check 设置为 off。

    ALTER DATABASE DATABASE_NAME SET google_ml_integration.runtime_accuracy_check = off;

    将 DATABASE_NAME 替换为您的数据库名称。

查询未处理任何行，或模型准备失败

说明

如果查询未处理任何行，主要原因是未生成嵌入，或者整个嵌入列都具有 NULL 值。这会导致查询准备失败，因为它不会对任何具有 NULL 嵌入的行进行采样。

  • 在使用优化函数之前，请先为数据生成嵌入。
  • 确保嵌入列不包含 NULL 值。
  • 仅在 WHERE 子句中的常量值不同的查询可能仍会使用现有的经过训练的模型。

尽管使用了经过优化的 AI 函数，但性能仍然缓慢

说明

确保您没有超出 Gemini Enterprise Agent Platform 配额。即使 AI 函数经过优化，初始运行时准确率检查也需要针对部分行调用远程 LLM。配额不足可能会导致此初始检查速度缓慢或失败。

请检查您的 Agent Platform 配额，并根据需要申请增加配额，以确保初始运行时准确性检查能够顺利进行，不会出现延迟。

ERROR: function ai.if(prompt => text, embedding => vector) does not exist

说明

如果您在调用 ai.if() 函数时将 model_id 参数与嵌入列一起传递，AlloyDB 不会使用经过训练的代理模型，并会生成类似于以下内容的错误：

testdb=# select ai.if('Is the rating positive?' || review, review_embedding, 'gemini-2.5-pro') from restaurant_reviews;
ERROR:  function ai.if(text, vector, unknown) does not exist
LINE 1: select ai.if('Is the rating positive?' || review, review_embe...
               ^
HINT:  No function matches the given name and argument types. You might need to add explicit type casts.

确保在调用 ai.if() 函数时未传递 model_id 值。这样可以确保 AlloyDB 使用经过训练的代理模型来处理查询。