AI_GENERATE_EMBEDDINGS(Transact-SQL)

적용 대상: SQL Server 2025(17.x) Azure SQL DatabaseAzure SQL Managed InstanceMicrosoft Fabric의 SQL 데이터베이스

이 함수는 AI_GENERATE_EMBEDDINGS 데이터베이스에 저장된 미리 생성된 AI 모델 정의를 사용하여 임베딩(벡터 배열)을 생성합니다.

문법

Transact-SQL 구문 표기 규칙

AI_GENERATE_EMBEDDINGS ( source USE MODEL model_identifier [ PARAMETERS optional_json_request_body_parameters ] )

주장들

원본

nvarchar, varchar, nchar, char와 같은 모든 문자 유형의 표현식입니다.

model_identifier

임베딩 벡터 배열을 생성하는 타입으로 EMBEDDINGS 정의된 외부 모델의 이름입니다.

자세한 내용은 CREATE EXTERNAL MODEL을 참조하세요.

optional_json_request_body_parameters

유효한 JSON 형식의 추가 매개변수 목록입니다. 이 함수는 REST 요청 메시지 본체에 이 매개변수들을 덧붙인 후 외부 모델의 엔드포인트 위치로 전송합니다. 이 매개변수들은 외부 모델의 엔드포인트가 지원하고 수용하는 조건에 따라 달라집니다.

반환 형식

AI_GENERATE_EMBEDDINGS 는 행이 JSON으로 반환된 생성된 포함 벡터 배열인 단일 열 테이블을 반환합니다.

반환 형식

반환된 JSON의 형식은 다음과 같습니다.

[
    0.0023929428,
    0.00034713413,
    -0.0023142276,
    -0.025654867,
    -0.011492423,
    0.0010358924,
    -0.014836246,
    0.0035484824,
    0.000045630233,
    -0.027581815,
    0.023816079,
    0.005012586,
    -0.027732948,
    -0.010088143,
    ...
    -0.014571763
]

비고

AI_GENERATE_EMBEDDINGS 는 Always-up-to-date업데이트 정책을 사용하여 Azure SQL Managed Instance에서 사용할 수 있습니다.

필수 조건

을 사용하려면 AI_GENERATE_EMBEDDINGS다음 전제 조건을 충족하는지 확인하세요:

  • 데이터베이스에서 다음 명령어로 활성화(enable this)를 실행 sp_invoke_external_endpoint 하세요:

    EXECUTE sp_configure 'external rest endpoint enabled', 1;
RECONFIGURE WITH OVERRIDE;

    비고

    Azure SQL Database와 Fabric external rest endpoint enabled 의 SQL 데이터베이스에서는 시스템 구성 옵션이 기본적으로 활성화되어 있습니다.

임베딩 엔드포인트 생성에 대한 자세한 내용은 Azure AI Foundry Models, OpenAI, Ollama 내 Azure OpenAI 프로세스를 참고하세요.

  • 적절한 부여, 역할, 권한을 통해 접근 가능한 외부 모델을EMBEDDINGS 만듭니다.

선택적 매개 변수

임베딩 요청 메시지 본문에 엔드포인트 매개변수를 추가해야 할 때 매개변수 AI_GENERATE_EMBEDDINGS 를 사용 optional_json_request_body_parameters 하세요. 모델 정의에 해당 매개변수가 포함되어 있다면 선택적 매개변수를 추가하면 런타임에 해당 값을 덮어씁니다.

예를 들어, 외부 모델 에 1,536 dimensions 으로 설정된 매개변수가 포함되어 있다면, 런타임에 그 매개변수를 optional_json_request_body_parameters 새로운 값으로 전달할 수 있습니다.

다음 예제 dimensions 에서는 모델의 매개 변수가 재정의됩니다.

json_object("dimensions":755)

전달 optional_json_request_body_parameters 하는 값은 유효한 JSON 값이어야 합니다.

확장 이벤트(XEvent)

AI_GENERATE_EMBEDDINGS 확장 이벤트(ai_generate_embeddings_summary)를 가지고 있어 문제 해결을 위해 활성화할 수 있습니다. 여기에는 상태 코드, 발생한 오류, 사용된 모델 이름 등 REST 요청과 응답에 관한 정보가 포함되어 있습니다. 확장 이벤트 external_rest_endpoint_summary 에는 REST 요청 문제 해결과 디버깅에 도움이 되는 추가 정보가 포함되어 있습니다.

예시

A. SELECT 문을 사용하여 포함 만들기

다음 예시는 select 문으로 결과를 JSON 배열로 반환하는 함수를 AI_GENERATE_EMBEDDINGS 어떻게 사용하는지 보여줍니다.

SELECT id,
       AI_GENERATE_EMBEDDINGS(large_text USE MODEL MyAzureOpenAIModel)
FROM myTable;

B. AI_GENERATE_CHUNKS 사용하여 SELECT 문으로 embeddings 만들기

다음 예시는 AI_GENERATE_EMBEDDINGS 함수를 사용 해 지정된 청크 크기로 나뉜 텍스트를 select 문으로 전달하는 방법을 보여줍니다. select문은 벡터 배열 결과를 반환합니다.

SELECT id,
       title,
       large_text,
       AI_GENERATE_EMBEDDINGS(c.chunk_text USE MODEL MyAzureOpenAIModel)
FROM myTable
CROSS APPLY AI_GENERATE_CHUNKS (
    SOURCE = large_text,
    CHUNK_TYPE = FIXED,
    CHUNK_SIZE = 10
) AS c;

C. 테이블 업데이트를 사용하여 포함 만들기

다음 예제에서는 테이블 업데이트 문과 함께 함수를 사용하여 AI_GENERATE_EMBEDDINGS 벡터 배열 결과를 벡터 데이터 형식 열로 반환하는 방법을 보여줍니다.

UPDATE t
    SET myEmbeddings = AI_GENERATE_EMBEDDINGS(t.text USE MODEL MyAzureOpenAIModel)
FROM myTable AS t;

D. SELECT 문 및 PARAMETERS를 사용하여 포함 만들기

다음 예제에서는 select 문과 함께 함수를 AI_GENERATE_EMBEDDINGS 사용하고 벡터 배열 결과를 반환하는 엔드포인트에 선택적 매개 변수를 전달하는 방법을 보여줍니다.

DECLARE @params JSON = N'{"dimensions":768}'
SELECT id,
       AI_GENERATE_EMBEDDINGS(large_text USE MODEL MyAzureOpenAIModel PARAMETERS @params)
FROM myTable;

E. PARAMETERS 옵션으로 retry_count 임베딩 생성 재시도

embeddings 호출에 임시 문제를 나타내는 HTTP 상태 코드가 발생하면 요청을 자동으로 다시 시도하도록 구성할 수 있습니다.

재시도 횟수를 지정하려면 다음 JSON 파일을 옵션에 PARAMETERS 추가하세요. 이 값은 00()에서 1010() 사이의 양의 정수여야 하며, 이 값은 될 NULL수 없습니다.

비고

쿼리에서 retry_count 값이 AI_GENERATE_EMBEDDINGS 지정되면, 외부 모델의 구성에서 (정의된 경우) 값을 retry_count 덮어씁니다.

DECLARE @params JSON = N'{"sql_rest_options":{"retry_count":10}} '
SELECT id,
       AI_GENERATE_EMBEDDINGS(large_text USE MODEL MyAzureOpenAIModel PARAMETERS @params)
FROM myTable;

F. 모델 생성, 청킹, 임베딩 생성이 포함된 완전한 예시입니다

다음 예시는 Azure OpenAI API 키를 사용하여 데이터를 AI에 최적화하는 종단 간 프로세스를 보여줍니다:

  1. CREATE EXTERNAL 모델을 사용해 임베딩 모델을 등록하고 접근 가능하게 만드세요.

  2. AI_GENERATE_CHUNKS로 데이터셋을 더 작은 단위로 나누어 데이터가 모델의 맥락 창 안에 맞도록 하고, 검색 정확도를 높이세요.

  3. 임베딩을 생성하려면 AI_GENERATE_EMBEDDINGS.

  4. 결과를 벡터 데이터 타입이 있는 테이블에 삽입합니다.

비고

<password> 유효한 암호로 대체합니다.

데이터베이스 서버에서 외부 REST 엔드포인트 호출을 활성화하세요:

EXECUTE sp_configure 'external rest endpoint enabled', 1;
RECONFIGURE WITH OVERRIDE;
GO

데이터베이스 마스터키 생성:

IF NOT EXISTS (SELECT *
               FROM sys.symmetric_keys
               WHERE [name] = '##MS_DatabaseMasterKey##')
    BEGIN
        CREATE MASTER KEY ENCRYPTION BY PASSWORD = N'<password>';
    END
GO

키를 사용하여 Azure OpenAI에 접근 자격 증명을 생성하세요:

CREATE DATABASE SCOPED CREDENTIAL [https://my-azure-openai-endpoint.cognitiveservices.azure.com/]
    WITH IDENTITY = 'HTTPEndpointHeaders', secret = '{"api-key":"YOUR_AZURE_OPENAI_KEY"}';
GO

Azure OpenAI embeddings REST 엔드포인트를 호출할 외부 모델을 생성하세요:

CREATE EXTERNAL MODEL MyAzureOpenAIModel
WITH (
      LOCATION = 'https://my-azure-openai-endpoint.cognitiveservices.azure.com/openai/deployments/text-embedding-ada-002/embeddings?api-version=2023-05-15',
      API_FORMAT = 'Azure OpenAI',
      MODEL_TYPE = EMBEDDINGS,
      MODEL = 'text-embedding-ada-002',
      CREDENTIAL = [https://my-azure-openai-endpoint.cognitiveservices.azure.com/]
);

텍스트를 청크하고 데이터를 삽입하는 테이블을 만듭니다:

CREATE TABLE textchunk
(
    text_id INT IDENTITY (1, 1) PRIMARY KEY,
    text_to_chunk NVARCHAR (MAX)
);
GO

INSERT INTO textchunk (text_to_chunk)
VALUES ('All day long we seemed to dawdle through a land which was full of beauty of every kind. Sometimes we saw little towns or castles on the top of steep hills such as we see in old missals; sometimes we ran by rivers and streams which seemed from the wide stony margin on each side of them to be subject to great floods.'),
       ('My Friend, Welcome to the Carpathians. I am anxiously expecting you. Sleep well to-night. At three to-morrow the diligence will start for Bukovina; a place on it is kept for you. At the Borgo Pass my carriage will await you and will bring you to me. I trust that your journey from London has been a happy one, and that you will enjoy your stay in my beautiful land. Your friend, DRACULA')
GO

청크된 텍스트와 벡터 임베딩을 저장할 새 테이블을 생성하세요:

CREATE TABLE text_embeddings
(
    embeddings_id INT IDENTITY (1, 1) PRIMARY KEY,
    chunked_text NVARCHAR (MAX),
    vector_embeddings VECTOR(1536)
);

청크된 텍스트와 벡터 임베딩을 text_embeddings 테이블에 삽입하려면 와 AI_GENERATE_EMBEDDINGS를 사용 AI_GENERATE_CHUNKS 해 :

INSERT INTO text_embeddings (chunked_text, vector_embeddings)
SELECT c.chunk,
       AI_GENERATE_EMBEDDINGS(c.chunk USE MODEL MyAzureOpenAIModel)
FROM textchunk AS t
CROSS APPLY AI_GENERATE_CHUNKS (
    SOURCE = t.text_to_chunk,
    CHUNK_TYPE = FIXED,
    CHUNK_SIZE = 100
) AS c;

결과 보기

SELECT *
FROM text_embeddings;

관련 콘텐츠

  • Last updated on